PENGELOMPOKAN DATA SATELIT DENGAN GAUSSIAN MEANS CLUSTERING
|
|
- Fanny Gunawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGELOMPOKAN DATA SATELIT DENGAN GAUSSIAN MEANS CLUSTERING Lay Stefanny Teknik Informatika Universitas Tarumanagara Jl. Let. Jen. S Parman 1, Jakarta Indonesia ichh_iebe_dich@hotmail.com ABSTRACT This systemuses a Gaussian Means clustering for which the method is trying to determine the number of clusters either gradually or in stages to see if a cluster is in a state normally distributed or not. If the data considered not normal, it will be seen whether the cluster is still possible to be split two cluster. The workings of the G-Means method begins with determining the alpha error for testing and to determine the number of clusters to be formed in the initial clustering have two centroids. Anderson darling test to see if the cluster necessary splitting or not. The test results show that the Gaussian Means method has a clustering waters can do well, but the green areas and the woke up area not. Weaknesses contained in this application is the image that will adversely affect the clustering results. Key Words : Anderson darling Test, Clustering, Gaussian Means, Remote sensing, Satelit 1. Pendahuluan Pada era ini, bidang ilmu pengetahuan akan terus berkembang, salah satu diantaranya adalah bidang teknologi komputer. Komputer itu sendiri sudah menjadi kebutuhan bahkan gaya hidup manusia jaman ini. Oleh karena itu dengan kemajuan teknologi informasi ini, komputer akan memudahkan manusia dalam melakukan pekerjaannya. Semua pengumpulan data tentang objek di muka bumi dapat dilakukan secara manual atau melakukan pengukuran langsung ke lapangan tetapi hal ini akan menjadi tidak efisien, karena akan membuang waktu dan tenaga. Oleh karena itu untuk mempermudah, dilakukan penginderaan jauh atau remote sensing. Remote sensing adalah ilmu pengetahuan untuk memperoleh informasi tentang suatu obyek di muka bumi tanpa kontak langsung dengan obyek atau daerah yang dikaji dengan menggunakan sensor perekam. Alat perekam yang digunakan dalam aplikasi remote sensing ini yaitu satelit. Pengenalan objek atau target pada remote sensing bertujuan untuk mengklasifikasi dan mendeskripsikan pola atau objek melalui pengukuran sifat-sifat atau ciri-ciri objek bersangkutan. Clustering adalah suatu cara menganalisa data dengan cara mengelompokkan objek ke dalam kelompok-kelompok berdasar suatu kesamaan tertentu. Dalam sistem ini sendiri akan memakai Gaussian Means yang dimana metode ini berusaha menentukan jumlah cluster secara gradual atau secara bertingkat dengan melihat apakah suatu cluster sudah dalam keadaan terdistribusi secara normal atau tidak. Jika dianggap belum normal, maka akan dilihat apakah cluster tersebut masih bisa dilakukan pembelahan untuk dijadikan dua cluster. Dalam metode ini juga terdapat hipotesis yang akan berguna sebagai penguji kebenaran dalam distribusi Gaussian. Cara kerja metode G-Means ini dimulai dari menentukan kesalahan alpha untuk testing dan juga menentukan jumlah cluster yang akan dibentuk dalam clustering. Setelah semua ditentukan, dilakukan proses pencarian centroid baru yang akan memakai metode K- Means. Centroid-centroid baru tersebut akan dihubungkan dengan vektor v. Kemudian data satelit tersebut di proyeksikan ke dalam vektor v, setelah itu normalisasi menggunakan zscore untuk melihat data seberapa jauh menyimpang dari rata-rata dengan mengukur berdasarkan simpangan bakunya. Setelah mendapatkan zscore lalu kita mencari CDF, CDF merupakan jumlah data kira-kira yang berada dalam rentang z. Lalu akan dihitung kesalahan alpha untuk dilihat apakah cluster telah terdistribusi normal atau belum. 2. Landasan Teori 2.1 Pengertian Remote sensing Berikut adalah pendapat para ahli mengenai Remote sensing:[1] 1. Penginderaan jauh (remote sensing), yaitu suatu pengukuran atau perolehan data pada objek di permukaan bumi dari satelit atau instrumen lain di atas, jauh dari objek yang diindera. 2. Penginderaan jauh adalah ilmu untuk memperoleh, mengolah dan menginterpretasi citra yang telah direkam yang berasal dari interaksi antara gelombang elektromagnetik dengan sutau objek. 118
2 3. Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah atau fenomena yang dikaji. 4. Penginderaan jauh (remote sensing) adalah ilmu untuk mendapatkan informasi mengenai permukaan bumi seperti lahan dan air dari citra yang diperoleh dari jarak jauh Satelit Landsat Satelit Landsat pertama diluncurkan pada tahun 1972, satelit ini terkenal dengan kemampuannya merekam permukaan bumi dari angkasa [2]. Program ini dulunya disebut Earth Resources Observation Satellites Program ketika dimulai tahun 1966, namun diubah menjadi Landsat pada tahun Yang paling akhir Landsat 7, diluncurkan tanggal 15 April Landsat-7 ini dilengkapi dengan Enhanced Thematic Mapper Plus (ETM+), yang merupakan kelanjutan dari program Thematic Mapper (TM) yang diusung sejak Landsat-5. Saluran pada satelit ini pada dasarnya adalah sama dengan 7 saluran pada TM, namun diperluas dengan saluran 8 yaitu Pankromatik. Saluran 8 ini merupakan saluran berresolusi tinggi yaitu seluas 15 meter. Berikut adalah urutan peluncuran satelit landsat [3] : 1. Landsat 1 (mulanya dinamakan Earth Resources Technology Satellite 1) - diluncurkan 23 Juli 1972, operasi berakhir tahun Landsat 2 - diluncurkan 22 Januari 1975, berakhir Landsat 3 - diluncurkan 5 Maret 1978, berakhir Landsat 4 - diluncurkan 16 Juli 1982, berakhir Landsat 5 - diluncurkan 1 Maret 1984, masih berfungsi. 6. Landsat 6 - diluncurkan 5 Oktober 1993, gagal mencapai orbit. 7. Landsat 7 - diluncurkan 15 April 1999, masih berfungsi. Didalam penelitian ini, data atau citra multispectral yang digunakan memakai channel 1,2,3,4,5,7 dapat dilihat pada gambar 1, gambar 2, gambar 3, gambar 4, gambar 5, gambar 6 Gambar 2 Citra Band 2 Gambar 3 Citra Band 3 Gambar 4 Citra Band 4 Gambar 5 Citra Band 5 Gambar 1 Citra Band 1 Gambar 6 Citra Band 7 119
3 2.2 Clustering Tujuan utama pengelompokkan citra penginderaan jauh adalah untuk menghasilkan peta tematik, yang suatu warna mewakili suatu objek tertentu [5]. Contoh objek yang berkaitan dengan permukaan bumi antara lain air, hutan, sawah, kota, jalan, dan lain-lain. Sedangkan pada citra satelit meteorologi, proses klasifikasi dapat menghasilkan peta awan yang memperlihatkan distribusi awan di atas suatu wilayah. Data Clustering merupakan salah satu metode Data Mining yang bersifat tanpa arahan (unsupervised). Proses unsupervised clustering melakukan pembagian data set dengan mengelompokkan seluruh piksel pada feature space (ruang ciri) ke dalam sejumlah cluster secara alami Metode K-Means Metode K-Means merupakan salah satu metode data clustering yang berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih cluster/kelompok [6]. Metode ini mempartisi data ke dalam cluster/kelompok sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster yang sama dan data yang mempunyai karakteristik yang berbeda dikelompokkan ke dalam kelompok yang lain. Adapun tujuan dari data clustering ini adalah untuk mengelompokkan objek sedemikian hingga jarak tiaptiap objek ke pusat kelompok di dalam suatu kelompok adalah minimum. Proses pengelompokkan menggunakan metode K- Means yang secara umum dilakukan dengan algoritma dasar sebagai berikut: 1. Tentukan jumlah cluster 2. Alokasikan data ke dalam cluster secara random 3. Hitung centroid/rata-rata dari data yang ada di masing-masing cluster 4. Alokasikan masing-masing data ke centroid/rata-rata terdekat. Dengan rumus sebagai berikut: C = [C1,C2,C3,...,Cn] C = (1) C = centroid M = dimensi objek K = banyak objek {k=1,2,3,...,m} Xki = feature vector ke-i {i=1,2,...,n} 5. Kembali ke Step 3, perhitungan akan selesai jika nilai cluster yang lama sama dengan nilai cluster baru. Metode K-Means memiliki karakteristik sebagai berikut: 1. K-Means sangat cepat dalam proses clustering dan sangat sensitif pada pembangkitan centroid awal secara acak. 2. Memungkinkan suatu cluster tidak punya anggota 3. Hasil clustering dengan K-Means bersifat tidak unik (selalu berubah-ubah), terkadang baik atau juga buruk Metode Gaussian Means G-Means berusaha menentukan jumlah cluster secara gradual dengan melihat apakah suatu cluster sudah dalam keadaan terdistribusi secara normal atau tidak. Kalau masih dianggap belum normal, maka akan dilihat apakah cluster tersebut masih bisa di split untuk dijadikan dua cluster. Hipotesis yang digunakan adalah [7]: 1. H0: Data di sekitar centroid disample dari suatu distribusi Gaussian. 2. H1: Data di sekitar centroid tidak disample dari suatu distribusi Gaussian. Adapun algoritma yang digunakan untuk menentukan split atau tidak adalah sebagai berikut: 1. Tentukan dua centroid baru c1 dan c2. 2. Jalankan k-means terhadap dua centroid baru tersebut. 3. Tentukan confidence level Alpha untuk testing 4. Tentukan vektor v yang menghubungkan antara centroid c1 dan c2 dimana: v = c1 c2 (2) 5. Kemudian proyeksikan data X ke v dengan rumus: x = (x,v)/ v ^2 (3) Hitung Zscore adalah bentuk normalisasi x untuk melihat data seberapa jauh menyimpang dari rata-rata, diukur berdasarkan ukuran simpangan bakunya. Normalisasi ini menggunakan rumus sebagai berikut: Zscore = (X1 - µ) / σ (4) v = vektor cluster c = centroid X = representasi satu dimensi dari data yang diproyeksikan ke v. Z = normalisasi Xi = data proyeksi µ = rata-rata hasil proyeksi σ = simpangan baku hasil proyeksi Hitung Cumulative Distribution Function(CDF) dari zscore. CDF(zscore) = n adalah jumlah data yang bernilai zscore dalam data ada di antara (- sampai zscoe). Berikut rumus CDF: CDF(zscore) = 1/2 * (1 + ERF (X / 2)) (5) 120
4 ERF merupakan "kesalahan fungsi" yang akan ditemukan dalam mengintegrasikan distribusi normal (yang merupakan bentuk normalisasi dari fungsi Gaussian) yang mempunyai 6 konstanta tetap yaitu: 1. a1 = a2 = a3 = ; 4. a4 = ; 5. a5 = ; 6. p = ; Cara untuk mendapatkan nilai ERF yaitu: 1. sign = 1 jika x > 0, -1 jika x < 0 2. nilai absolute dari x 3. t = 1 / (1 + p * x) (6) 4. y = (((((a5*t + a4)*t) + a3)*t + a2)*t + a1)*t*exp(-x*x) (7) 5. hasil akhirnya sign * y 6. Hitung nilai A_2*(Z) dengan rumus di bawah dengan menggunakan Apabila A_2*(Z) berada di wilayah nilai non-critical pada confidence level Alpha, maka H0 diterima, dan centroid awal tetap digunakan dan centroid baru c1 dan c2 dihapus. Untuk keadaan sebaliknya, H0 harus ditolak dan centroid baru c1 dan c2 digunakan sebagai pengganti centroid awal berikut rumus yang digunakan: A_2*(Z)=A_2(Z)(1+(4/n)-(25/(n^2))) (8) A_2(Z) = (-1/n) * SUM (i=1 to n)((2*i 1)(log(z_i)+log(1-z_(n+1-i))) n (9) x = data A_2*(Z) = normalisasi dari Z n = jumlah data A_2(Z) = standar normal Jika H0 ditolak, maka akan dilakukan proses splitting. Dalam men-split centroid ini akan dilakukan dengan cara c±σ, karena centroid baru dicari berdasarkan kedekatan dengan centroid yang akan di split dengan menggunkan simpangan bakunya, dimana c adalah centroid yang akan di split dan σ adalah simpangan baku dari data yang akan di split Euclidean Distance Metode Euclidean Distance ini dipakai untuk menghitung jarak antar data dan centroid. Pengukuran ini didasarkan pada nilai objek pada setiap k dimensi dalam pembelajaran. Euclidean Distance menggunakan theorem phytagoras dan pengukuran objek tidak terbatas hanya 2 dimensi bahkan lebih. Untuk Euclidean Distance dengan 2 objek (d12), jarak antara 2 objek tersebut tidak lebih dari panjang hipotenusa segitiga [8]. Gambar Euclidean dapat dilihat pada Gambar 7. Gambar 7 Euclidean Distance D12 = jarak antar objek X1,Y1= dimensi pertama objek pertama X2,Y2= dimensi pertama objek kedua Euclidean Distance 2 atau lebih dari 2 dimensi untuk n dimensi dapat dinyatakan dengan rumus : D (x,y) = (11) D(x,y)= banyak dimensi objek Xi = dimensi pertama dari objek x Yi = dimensi pertama dari objek 3. Rancangan & Pembuatan 3.1 Rancangan Program aplikasi yang dirancang bertujuan untuk mengelompokkan data satelit ke dalam sebuah kelas/cluster dengan menggunakan metode Gaussian Means. Program aplikasi clustering ini menggunakan tahapan SDLC (System Development Life Cycle). Software Development Life Cycle (SDLC) merupakan metodologi pengembangan aplikasi yang berisi tahapantahapan dalam pembuatan aplikasi. Tahapan pengembangan dan perancangan suatu sistem informasi. Kelebihan dalam metode tahapan SDLC ini ialah dalam urutan langkah-langkah perancangan yang sistematis, terstruktur, efisien dan mudah dimengerti. Dalam perancangan program aplikasi, tahap tahap metode SDLC ini yaitu: 1. Perencanaan 2. Analisis 3. Perancangan 4. Pengkodean 5. Pengujian dan perawatan 3.2 Pembuatan Sistem Setelah tahap perancangan selesai, tahap selanjutnya adalah pembuatan program aplikasi yang dirancang. Tahapan yang dilalui dalam pembuatan program pengelompokan citra remote sensing dengan G-Means clustering adalah sebagai berikut: 121
5 1. Mencari berbagai sumber teori yang berhubungan dengan K-Means, G-Means, dan algoritma Euclidean Distance. Sumber teori dapat berasal dari buku, jurnal, maupun internet. 2. Merancang Diagram Hirarki, State Transition Diagram, dan modul yang digunakan. Perancangan diagram hirarki ini dapat diihat pada Lampiran. 3. Membuat program Gaussian Means Clustering dengan menggunakan bahasa pemrograman Microsoft Visual Studio 2010 dan mencari perangkat lunak pendukung untuk mendapatkan informasi keaslian gambar peta.. 4. Melakukan pengujian terhadap setiap modul untuk mengecek apakah semua modul sudah berjalan dengan baik sesuai dengan fungsinya masing-masing. Pengujian tersebut terlebih dahulu dilakukan dengan menjalankan program aplikasi G-Means Clustering lalu jalankan semua pilihan dan tombol-tombol yang tersedia, untuk penjelasan lebih lanjut akan dibahas pada Bab IV. 5. Melakukan pengujian program untuk melihat apakah program yang dibuat dapat melakukan clustering dengan baik atau tidak. Pengujian dilakukan dengan memasukan gambar grayscale pada channel 1,2,3,4,5, dan 7. Setelah gambar dimasukan, proses gambar-gambar tersebut melalui proses K-Means Clustering lalu dilanjutkan dengan proses G-Means Clustering. Hasil pengujian dilanjutkan dengan melihat hasil perhitungan dari proses K-Means Clustering dan G-means Clustering. 6. Membuat buku manual yang bertujuan membantu pengguna menggunakan program aplikasi tersebut. 4. Hasil Pengujian Pengujian terhadap data citra Satelit bertujuan untuk melakukan pengujian terhadap metode G-means dengan tampilan yang mudah ditetapkan jumlah cluster dan kemiripan warna. Pengujian ditujukan untuk mendapatkan hasil melalui data citra yang mudah untuk dibandingkan sehingga kelebihan dan kekurangan masing-masing metode dapat terlihat dengan jelas. Pengukuran keberhasilan hasil clustering dilakukan dengan menampilkan output jumlah cluster pada G- means clustering. Dalam melakukan pengujian, program ini akan dilakukan percobaan dengan data dummy, percobaan ini dilakukan agar dapat mengetahui apakah aplikasi ini sudah berjalan sesuai dengan teori yang telah didapat. Data dummy tersebut dapat dilihat pada gambar 8. Gambar 8 Data Dummy Titik koordinat dari sample diatas terdapat dalam tabel 1 berikut: Tabel 1 Titik Koordinat Sample Data Dummy dengan Metode G- means Clustering. Sample X Koordinat Berdasarkan hasil percobaan di atas dengan menggunakan data dummy, program aplikasi ini telah Y 122
6 mengcluster dengan baik sesuai dengan apa yang ditentukan. Hasil pengujian terhadap program aplikasi ini dengan data dummy dapat dilihat pada gambar 30. Gambar 13 Pengujian data 2 Landsat channel 4 Gambar 9 Hasil pengujian data dummy Adapun data pengujian dengan menggunakan data Landsat dapat dilihat pada gambar 10, gambar 11, gambar 12, gambar 13, gambar 14, gambar 15 dibawah ini: Gambar 14 Pengujian data 2 Landsat channel 5 Gambar 10 Pengujian data 2 Landsat channel 1 Gambar 15 Pengujian data 1 Landsat channel 7 Hasil pengujian diatas dari data Landsat dapat dilihat pada gambar 16, gambar 17, gambar 18. Gambar 11 Pengujian data 2 Landsat channel 2 Gambar 16 Hasil 3 clustering kota Jakarta Utara 2000 Gambar 12 Pengujian data 2 Landsat channel 3 Keterangan: 1. biru: perairan 2. coklat: area terbangun 123
7 3. hijau: daerah hijau 4. lingkaran hitam: hasil clustering yang salah Gambar 17 Hasil 4 clustering kota Jakarta Utara 2000 Keterangan: 1. biru: perairan 2. hijau: daerah hijau 3. coklat: pemukiman 4. putih: komplek industri (komersil) 5. lingkaran hitam: hasil clustering yang salah 4. Kesimpulan & Saran Berdasarkan pengujian yang telah dilakukan terhadap program aplikasi clustering data pada remote sensing dengan Gaussian Means, dapat disimpulkan beberapa hal sebagai berikut : 1. Clustering yang sudah dilakukan dapat mengelompokan setiap pixel yang mempunyai kemiripan ciri yang sama. Untuk melihat perbedaan antara satu cluster dengan cluster yang lain maka setiap cluster diberikan warna yang berbeda. 2. Hasil clustering dengan jumlah initial cluster 5 lebih akurat daripada jumlah cluster 3 dan Citra yang tidak terdapat banyak awan yang hanya dapat dipakai. Ini dikarenakan awan yang tampak akan masuk ke dalam cluster yang nantinya akan membuat hasil clustering tidak begitu jelas. Berdasarkan hasil pembuatan dan pengujian terhadap program aplikasi pengelompokan citra satelit ini, saran yang dapat disampaikan berkaitan dengan pengembangan program ini, ialah penggabungan dengan metode radiometri yang dapat mengkoreksi image yang akan diinput, sehingga semua image satelit Landsat7 dapat digunakan. Gambar 18 Hasil 5 clustering kota Jakarta Utara 2000 Keterangan: 1. biru muda: perairan 2. hijau muda: bukan taman 3. hijau tua: taman 4. coklat: pemukiman 5. putih: komplek industri 6. lingkaran hitam: hasil clustering yang salah Gambar google earth dapat dilihat pada gambar 19. REFERENSI [1] Wahid., 2011, Kualitas Data Citra Landsat ETM Pada Perubahan Guna Lahan RTH, [2] Universitas Muhammadiyah Surakarta., 20 Agustus 2012, Penginderaan Jauh, _Citra_Arcview.pdf. [3] SearchSoftwareQuality., 2012, What is systems development life cycle (SDLC)?, gci755068,00.html. [4] J.B., MacQueen., 31 juli 2011, K-Means Clustering, matteucc/clustering/tutorial_html/kmeans.html. [5] Wikipedia., 2012, Penginderaan Jauh, [6] Hasniawati, Helmy., 2007, Image Clustering Berdasarkan Warna, Institut Teknologi Sepuluh Nopember, Surabaya. [7] Harul Alam Wijaya, Jauh. Pengertian Pixel. 4 Agustus Penulis Pertama, memperoleh gelar S.Kom Universitas Tarumanagara, Jakarta tahun 2013 Gambar 19 Google Earth Jakarta Utara
BAB 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 terperinciPERBANDINGAN METODE SUPERVISED DAN UNSUPERVISED MELALUI ANALISIS CITRA GOOGLE SATELITE UNTUK TATA GUNA LAHAN
PERBANDINGAN METODE SUPERVISED DAN UNSUPERVISED MELALUI ANALISIS CITRA GOOGLE SATELITE UNTUK TATA GUNA LAHAN Latar Belakang Penginderaan jauh merupakan suatu ilmu atau teknologi untuk memperoleh informasi
Lebih terperinciMETODE CLUSTERING DENGAN ALGORITMA K-MEANS. Oleh : Nengah Widya Utami
METODE CLUSTERING DENGAN ALGORITMA K-MEANS Oleh : Nengah Widya Utami 1629101002 PROGRAM STUDI S2 ILMU KOMPUTER PROGRAM PASCASARJANA UNIVERSITAS PENDIDIKAN GANESHA SINGARAJA 2017 1. Definisi Clustering
Lebih terperinciPENGENALAN WAJAH DENGAN MENERAPKAN ALGORITMA ADAPTIF K MEANS
PENGENALAN WAJAH DENGAN MENERAPKAN ALGORITMA ADAPTIF K MEANS Disusun oleh: Juan Elisha Widyaya (0822014) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri, MPH, no. 65, Bandung, Indonesia
Lebih terperinciIII. METODOLOGI. Gambar 2. Peta Orientasi Wilayah Penelitian. Kota Yogyakarta. Kota Medan. Kota Banjarmasin
III. METODOLOGI 3.1. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan mulai dari bulan Maret sampai bulan November 2009. Objek penelitian difokuskan pada wilayah Kota Banjarmasin, Yogyakarta, dan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Seiring dengan perkembangan jaman, komputer semakin banyak berperan di dalam kehidupan masyarakat. Hampir semua bidang kehidupan telah menggunakan komputer sebagai
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penginderaan jauh didefinisikan sebagai proses perolehan informasi tentang suatu obyek tanpa adanya kontak fisik secara langsung dengan obyek tersebut (Rees, 2001;
Lebih terperinciImage Fusion: Trik Mengatasi Keterbatasan Citra
Image Fusion: Trik Mengatasi Keterbatasan itra Hartanto Sanjaya Pemanfaatan cita satelit sebagai bahan kajian sumberdaya alam terus berkembang, sejalan dengan semakin majunya teknologi pemrosesan dan adanya
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 terperinciII. TINJAUAN PUSTAKA. permukaan lahan (Burley, 1961 dalam Lo, 1995). Konstruksi tersebut seluruhnya
5 II. TINJAUAN PUSTAKA A. Penutupan Lahan dan Perubahannya Penutupan lahan menggambarkan konstruksi vegetasi dan buatan yang menutup permukaan lahan (Burley, 1961 dalam Lo, 1995). Konstruksi tersebut seluruhnya
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian ini. Proses persiapan data ini berpengaruh pada hasil akhir penelitian. Persiapan yang dilakukan meliputi
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 terperinciPerumusan Masalah Bagaimana kondisi perubahan tutupan lahan yang terjadi di daerah aliran sungai Ciliwung dengan cara membandingkan citra satelit
Latar Belakang Meningkatnya pembangunan di Cisarua, Bogor seringkali menimbulkan dampak tidak baik terhadap lingkungan. Salah satu contohnya adalah pembangunan yang terjadi di Daerah Aliran Sungai Ciliwung.
Lebih terperinciBab 2 Tinjauan Pustaka
Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu Adapun penelitian terdahulu yang berkaitan dalam penelitian ini berjudul Penentuan Wilayah Usaha Pertambangan Menggunakan Metode Fuzzy K-Mean Clustering
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 terperinciJl. Raya Dukuhwaluh Purwokerto )
Sistem Klasterisasi Menggunakan Metode K-Means dalam Menentukan Posisi Access Point Berdasarkan Posisi Hotspot di Universitas Muhammadiyah Purwokerto (Clustering System Using K-Means Method in Determining
Lebih terperinciGIS berbasis Web untuk Pemetaan Lahan menggunakan Classifier Model
Jurnal Komputer Terapan Vol. 2, No. 1, Mei 2016, 1-6 1 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id GIS berbasis Web untuk Pemetaan Lahan menggunakan Classifier Model Abstrak Warnia Nengsih Politeknik
Lebih terperinciBAB IV ANALISIS DAN PERANCANGAN
BAB IV ANALISIS DAN PERANCANGAN 4.1. Analisa 4.1.1 Analisis Data Pada tahap analisa data ini akan dibahas mengenai citra CT Scan yang akan dilakukan proses segmentasi atau pengelompokan data. Data citra
Lebih terperinciix
DAFTAR ISI viii ix x DAFTAR TABEL Tabel 1.1. Emisivitas dari permukaan benda yang berbeda pada panjang gelombang 8 14 μm. 12 Tabel 1.2. Kesalahan suhu yang disebabkan oleh emisivitas objek pada suhu 288
Lebih terperinciSEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA
SEGMENTASI CITRA MENGGUNAKAN K-MEANS DAN FUZZY C- MEANS DENGAN BERBAGAI RUANG WARNA Kamil Malik Jurusan Teknik Informatika STT Nurul Jadid Paiton nomor1001@gmail.com Andi Hutami Endang Jurusan Teknik Informatika
Lebih terperinciBAB III METODE PENELITIAN. Tujuan tugas akhir ini akan membangun suatu model sistem yang
BAB III METODE PENELITIAN 3.1 Model Pengembangan Tujuan tugas akhir ini akan membangun suatu model sistem yang melakukan proses data mulai dari pengolahan citra otak hingga menghasilkan output analisa
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 terperinciSeminar NasionalTeknologiInformasi 2015
SISTEM PREDIKSI CUSTOMER LOYALTY DENGAN METODE SEGMENTASI RFM DAN PENGELOMPOKKAN DENGAN ALGORITMA CLUSTERING MODIFIED K-MEANS PADA PERUSAHAAN PU IBUKOTA Herwin 1) Teny Handhayani 2) Dyah E Herwindiati
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 terperinciMETODE PENELITIAN. Badan Pusat Statistik Kabupaten Bengkalis
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian dilaksanakan mulai bulan Agustus 2011 sampai Januari 2012 dengan memilih Kabupaten Bengkalis, Provinsi Riau sebagai studi kasus penelitian.
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 terperinciCLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS
CLUSTERING PENCAPAIAN KARAKTER SISWA MENGGUNAKAN ALGORITMA K-MEANS Muhammad Toha, 1), I Ketut Edy Purnama 2) dan Surya Sumpeno 3) 1) Bidang Keahlian Telematika (Konsentrasi CIO) Jurusan Teknik Elektro
Lebih terperinciAhmad Mauliyadi M, Hizir Sofyan, dan Muhammad Subianto. Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala
Tersedia di www.fmipa.unsyiah.ac.id Jurnal Matematika 00 (2013) 01 05 PERBANDINGAN METODE FUZZY C-MEANS (FCM) DAN FUZZY GUSTAFSON-KESSEL (FGK) MENGGUNAKAN DATA CITRA SATELIT QUICKBIRD (Studi Kasus Desa
Lebih terperinciGIS berbasis Web untuk Pemetaan Lahan menggunakan Classifier Model
Jurnal... Vol. XX, No. X, Bulan 20XX, XX-XX 1 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id GIS berbasis Web untuk Pemetaan Lahan menggunakan Classifier Model Warnia Nengih Politeknik Caltex Riau,
Lebih terperinciBAB III METODE PENELITIAN
11 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian ini dilaksanakan selama dua bulan yaitu bulan Juli-Agustus 2010 dengan pemilihan lokasi di Kota Denpasar. Pengolahan data dilakukan di Laboratorium
Lebih terperinciEvaluasi Ketelitian Luas Bidang Tanah Dalam Pengembangan Sistem Informasi Pertanahan
Evaluasi Ketelitian Luas Bidang Tanah Dalam Pengembangan Sistem Informasi Pertanahan (studi kasus : Kecamatan Sedati, Kabupaten Sidoarjo) Arwan Putra Wijaya 1*, Teguh Haryanto 1*, Catharina N.S. 1* Program
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciIII. BAHAN DAN METODE
10 III. BAHAN DAN METODE 3.1. Tempat Dan Waktu Penelitian Penelitian dilakukan di laboratorium dan di lapang. Pengolahan citra dilakukan di Bagian Penginderaan Jauh dan Informasi Spasial dan penentuan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian dilakukan dari bulan Juli sampai September 2011 di Kabupaten Sidoarjo, Jawa Timur. Pengolahan data dilakukan di Laboratorium Analisis Lingkungan
Lebih terperinciBAB I PENDAHULUAN. pada radius 4 kilometer dari bibir kawah. (http://berita.plasa.msn.com
BAB I PENDAHULUAN 1.1 Latar Belakang Gunung Sinabung terus menunjukkan peningkatan aktivitas vulkanologi. Awan hitam dan erupsi terus terjadi, 5.576 warga dievakuasi. Evakuasi diberlakukan setelah pada
Lebih terperinciJurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember
Mahasiswa : Cherie Bhekti Pribadi (3509100060) Dosen Pembimbing : Dr. Ing. Ir. Teguh Hariyanto, MSc Udiana Wahyu D, ST. MT Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi
Lebih terperinciBAB IV HASIL DAN UJICOBA
BAB IV HASIL DAN UJICOBA IV.1. Tampilan Hasil Berikut ini dijelaskan mengenai tampilan hasil dari perancangan data mining varian produk elektronik sound system dengan metode K-Means Clustering yang dapat
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBERIAN BANTUAN BIAYA PENDIDIKAN MENGGUNAKAN ALGORITMA K-MEANS
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PEMBERIAN BANTUAN BIAYA PENDIDIKAN MENGGUNAKAN ALGORITMA K-MEANS Sinawati ), Ummi Syafiqoh 2) ), 2) Sistem Informasi STMIK PPKIA Tarakanita Rahmawati Tarakan Jl Yos
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 terperinciPENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN
PENERAPAN ALGORITMA K-MEANS PADA SISWA BARU SEKOLAHMENENGAH KEJURUAN UNTUK CLUSTERING JURUSAN Fauziah Nur1, Prof. M. Zarlis2, Dr. Benny Benyamin Nasution3 Program Studi Magister Teknik Informatika, Universitas
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Hasil sensus jumlah penduduk di Indonesia, dengan luas wilayah kurang lebih 1.904.569 km 2 menunjukkan adanya peningkatan jumlah penduduk, dari tahun 2010 jumlah penduduknya
Lebih terperinciCitra Satelit IKONOS
Citra Satelit IKONOS Satelit IKONOS adalah satelit inderaja komersiil pertama yang dioperasikan dengan tingkat ketelitian 1 meter untuk model pankromatik dan 4 meter untuk model multispektral yang merupakan
Lebih terperinciPENGGUNAAN METODE PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI
PENGGUNAAN PENGKLASTERAN UNTUK MENENTUKAN BIDANG TUGAS AKHIR MAHASISWA TEKNIK INFORMATIKA PENS BERDASARKAN NILAI Entin Martiana S.Kom,M.Kom, Nur Rosyid Mubtada i S. Kom, Edi Purnomo Jurusan Teknik Informatika
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 terperinciANALISIS KLASTERING LIRIK LAGU INDONESIA
ANALISIS KLASTERING LIRIK LAGU INDONESIA Afdilah Marjuki 1, Herny Februariyanti 2 1,2 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank e-mail: 1 bodongben@gmail.com,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perguruan tinggi merupakan suatu sarana dalam proses pembelajaran. Pembelajaran adalah proses interaksi mahasiswa dengan dosen dan sumber belajar pada lingkungan belajar.
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 terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Analisis cluster merupakan salah satu alat yang penting dalam pengolahan data statistik untuk melakukan analisis data. Analisis cluster merupakan seperangkat metodologi
Lebih terperinciTEMU KEMBALI INFORMASI BERDASARKAN LOKASI PADA DOKUMEN YANG DIKELOMPOKKAN MENGGUNAKAN METODE CENTROID LINKAGE HIERARCHICAL
TEMU KEMBALI INFORMASI BERDASARKAN LOKASI PADA DOKUMEN YANG DIKELOMPOKKAN MENGGUNAKAN METODE CENTROID LINKAGE HIERARCHICAL Nadia Damayanti 1, Nur Rosyid Mubtada i, S.Kom, M.Kom 2, Afrida Helen S.T, M.Kom
Lebih terperinciII. TINJAUAN PUSTAKA. Perubahan penutupan lahan merupakan keadaan suatu lahan yang mengalami
II. TINJAUAN PUSTAKA A. Perubahan Penutupan Lahan Perubahan penutupan lahan merupakan keadaan suatu lahan yang mengalami perubahan kondisi pada waktu yang berbeda disebabkan oleh manusia (Lillesand dkk,
Lebih terperinciGambar 1. Satelit Landsat
3 II. TINJAUAN PUSTAKA 2.1. Penginderaan Jauh Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu
Lebih terperinciTINJAUAN PUSTAKA. Dalam Pasal 12 Undang-undang Kehutanan disebutkan bahwa. penyusunan rencana kehutanan. Pembentukan wilayah pengelolaan hutan
TINJAUAN PUSTAKA KPH (Kesatuan Pengelolaan Hutan) Dalam Pasal 12 Undang-undang Kehutanan disebutkan bahwa perencanaan kehutanan meliputi inventarisasi hutan, pengukuhan kawasan hutan, penatagunaan kawasan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Gap Filling Citra Gap Filling citra merupakan metode yang dilakukan untuk mengisi garisgaris yang kosong pada citra Landsat TM hasil download yang mengalami SLCoff, sehingga
Lebih terperinciVERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR ABSTRAK
VERIFIKASI SESEORANG BERDASARKAN CITRA PEMBULUH DARAH MENGGUNAKAN EKSTRAKSI FILTER GABOR Eric (0822026) Jurusan Teknik Elektro Universitas Kristen Maranatha email: eric.wennas@gmail.com ABSTRAK Pola pembuluh
Lebih terperinciPENERAPAN ALGORITMA K-MEANS UNTUK MENETAPKAN KELOMPOK MUTU KARET
PENERAPAN ALGORITMA K-MEANS UNTUK MENETAPKAN KELOMPOK MUTU KARET Handi Kurniawan Sohdianata 1, Sushermanto 2 Jurusan Teknik Informatika STMIK Banjarbaru 1, Jurusan Sistem Informasi STMIK Banjarbaru 2 Jl.
Lebih terperinciANALISIS KESELARASAN PEMANFAATAN RUANG KECAMATAN SEWON BANTUL TAHUN 2006, 2010, 2014 TERHADAP RENCANA DETAIL TATA RUANG KAWASAN (RDTRK )
ANALISIS KESELARASAN PEMANFAATAN RUANG KECAMATAN SEWON BANTUL TAHUN 2006, 2010, 2014 TERHADAP RENCANA DETAIL TATA RUANG KAWASAN (RDTRK 2008-2018) Disusun sebagai salah satu syarat menyelesaikan Program
Lebih terperinciProsiding SENATEK 2015 Fakultas Teknik, Universitas Muhammadiyah Purwokerto Purwokerto, 28 November 2015, ISBN
SISTEM KLASTERISASI MENGGUNAKAN METODE K-MEANS DALAM MENENTUKAN POSISI ACCESS POINT BERDASARKAN POSISI PENGGUNA HOTSPOT DI UNIVERSITAS MUHAMMADIYAH PURWOKERTO Achmad Fauzan*, Abid Yanuar Badharudin, Feri
Lebih terperinciISSN Jalan Udayana, Singaraja-Bali address: Jl. Prof Dr Soemantri Brodjonogoro 1-Bandar Lampung
ISSN 0216-8138 73 SIMULASI FUSI CITRA IKONOS-2 PANKROMATIK DENGAN LANDSAT-7 MULTISPEKTRAL MENGGUNAKAN METODE PAN-SHARPEN UNTUK MENINGKATKAN KUALITAS CITRA DALAM UPAYA PEMANTAUAN KAWASAN HIJAU (Studi Kasus
Lebih terperinciPengenalan Pola. K-Means Clustering
Pengenalan Pola K-Means Clustering PTIIK - 2014 Course Contents 1 Definisi k-means 2 Algoritma k-means 3 Studi Kasus 4 Latihan dan Diskusi K-Means Clustering K-Means merupakan salah satu metode pengelompokan
Lebih terperinciDETEKSI KAWASAN HUTAN KOTA PADA CITRA RUPA BUMI KOTA KUPANG MENGGUNAKAN KOMPONEN WARNA RGB, HSV, YIQ DAN ALGORITMA PARALLELPIPED
J ~ ICON, Vol. 2 No. 2, Oktober 2014, pp. 133 ~ 139 133 DETEKSI KAWASAN HUTAN KOTA PADA CITRA RUPA BUMI KOTA KUPANG MENGGUNAKAN KOMPONEN WARNA RGB, HSV, YIQ DAN ALGORITMA PARALLELPIPED Wahjudi 1, Adriana
Lebih terperinciAnalisa Potensi Mahasiswa Di Daerah Bali Menggunakan Pendekatan K-Mean Clustering
JURNAL SISTEM DAN INFORMATIKA 45 Analisa Potensi Mahasiswa Di Daerah Bali Menggunakan Pendekatan K-Mean Clustering Anggun Nugroho Program Studi Sistem Komputer STMIK STIKOM Bali Jl. Raya Puputan No. 86
Lebih terperinciANALISA PERUBAHAN TATA GUNA LAHAN WILAYAH SURABAYA BARAT MENGGUNAKAN CITRA SATELIT QUICKBIRD TAHUN 2003 DAN 2009
ANALISA PERUBAHAN TATA GUNA LAHAN WILAYAH SURABAYA BARAT MENGGUNAKAN CITRA SATELIT QUICKBIRD TAHUN 2003 DAN 2009 Oleh: Prenita S. Rianelly 3507 100 024 Dosen Pembimbing: Dr.Ing. Ir. Teguh Hariyanto, MSc.
Lebih terperinciMETODOLOGI PENELITIAN. Bukit digunakan metode deskriptif, menurut Moh. Nazir (1983:63) Metode
22 III. METODOLOGI PENELITIAN A. Metode Penelitian Dalam penelitian analisis perkembangan daerah pemukiman di Kecamatan Balik Bukit digunakan metode deskriptif, menurut Moh. Nazir (1983:63) Metode deskriptif
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciPENGOLAHAN DATA SATELIT NOAA-AVHRR UNTUK PENGUKURAN SUHU PERMUKAAN LAUT RATA-RATA HARIAN
PENGOLAHAN DATA SATELIT NOAA-AVHRR UNTUK PENGUKURAN SUHU PERMUKAAN LAUT RATA-RATA HARIAN Dalam pembahasan ini akan dijelaskan tentang proses interpretasi salah satu citra NOAA untuk mengetahui informasi
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 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 terperinciEvaluasi Indeks Urban Pada Citra Landsat Multitemporal Dalam Ekstraksi Kepadatan Bangunan
Sukristiyanti et al. / Jurnal Riset Geologi dan Pertambangan Jilid 17 No.1 ( 2007) 1-10 1 Evaluasi Indeks Urban Pada Citra Landsat Multitemporal Dalam Ekstraksi Kepadatan Bangunan SUKRISTIYANTI a, R. SUHARYADI
Lebih terperinciJURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: ( Print) A-664
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-664 Rancang Bangun Pixel Art Converter Menggunakan Segmentasi berbasis K-means Clustering Yuna Sugianela, Nanik Suciati, dan
Lebih terperinciAnalisa Kelayakan Penggunaan Citra Satelit WorldView-2 untuk Updating Peta Skala 1:1.000 (Studi Kasus :Surabaya Pusat)
1 Analisa Kelayakan Penggunaan Citra Satelit WorldView-2 untuk Updating Peta Skala 1:1.000 (Studi Kasus :Surabaya Pusat) Qurrata A yun, Agung Budi C. 1), Udiana Wahyu D. 2) Jurusan Teknik Geomatika, Fakultas
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 terperinciPengembangan Sistem Konversi Citra ke G-Code untuk Aplikasi Manufaktur
Pengembangan Sistem Konversi Citra ke G-Code untuk Aplikasi Manufaktur Retno Tri Wahyuni, Djoko Purwanto, Tri Arief Sardjono Program Studi Teknik Elektro, Program Pascasarjana ITS Kampus ITS, Sukolilo,
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Rancang Bangun Sistem Pemantau Ruangan Berbasis Multi Kamera untuk Smartphone Android pada Jaringan Pikonet yang Adaptif terhadap Perubahan Situasi Ruangan
Lebih terperinciPENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS
Jurnal Ilmiah ILKOM Volume 8 mor (Agustus 16) ISSN: 87-1716 PENGELOMPOKAN MINAT BACA MAHASISWA MENGGUNAKAN METODE K-MEANS Widya Safira Azis 1 dan Dedy Atmajaya 1 safiraazis18@gmail.com dan dedy.atmajaya@umi.ac.id
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Peta merupakan representasi dari permukaan bumi baik sebagian atau keseluruhannya yang divisualisasikan pada bidang proyeksi tertentu dengan menggunakan skala tertentu.
Lebih terperinciNilai Io diasumsikan sebagai nilai R s
11 Nilai Io diasumsikan sebagai nilai R s, dan nilai I diperoleh berdasarkan hasil penghitungan nilai radiasi yang transmisikan oleh kanopi tumbuhan, sedangkan nilai koefisien pemadaman berkisar antara
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Jalan merupakan salah satu sarana transportasi darat yang penting untuk menghubungkan berbagai tempat seperti pusat industri, lahan pertanian, pemukiman, serta sebagai
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Informasi Pengertian Sistem Informasi pada dasarnya merupakan hasil dari dua arti, yakni sistem dan informasi yang digabungkan. Berikut definisi sistem menurut para ahli
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 terperinciBab IV Hasil dan Pembahasan
Bab IV Hasil dan Pembahasan 4.1. Hasil 4.1.1. Digitasi dan Klasifikasi Kerapatan Vegetasi Mangrove Digitasi terhadap citra yang sudah terkoreksi dilakukan untuk mendapatkan tutupan vegetasi mangrove di
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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output
Lebih terperinciPENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA
PENINGKATAN KINERJA ALGORITMA K-MEANS DENGAN FUNGSI KERNEL POLYNOMIAL UNTUK KLASTERISASI OBJEK DATA Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Madura Kampus Universitas Trunojoyo
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Muhammadiyah Surakarta merupakan salah satu dari beberapa instansi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Universitas Muhammadiyah Surakarta merupakan salah satu dari beberapa instansi perguruan tinggi yang bergerak di bidang pendidikan, yang di dalamnya terdapat
Lebih terperinciSTMIK GI MDP. Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012
Program Studi Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil Tahun 2011/2012 CLUSTERING DATA PENJUALAN DAN PERSEDIAAN BARANG PADA PT SAYAP MAS UTAMA DENGAN METODE K-MEANS Ahmad Afif 2008250031
Lebih terperinciIII. BAHAN DAN METODE
III. BAHAN DAN METODE 3.1 Lokasi dan Waktu Penelitian Penelitian dilaksanakan di daerah Daerah Aliran Sungai (DAS) Cipunagara dan sekitarnya, Jawa Barat (Gambar 1). DAS Cipunagara berada dibawah pengelolaan
Lebih terperinciII. TINJAUAN PUSTAKA 2.1. Masyarakat Adat Kasepuhan
3 II. TINJAUAN PUSTAKA 2.1. Masyarakat Adat Kasepuhan Pengertian masyarakat adat berdasarkan Aliansi Masyarakat Adat Nusantara adalah kelompok masyarakat yang memiliki asal usul leluhur (secara turun temurun)
Lebih terperinciIII. METODE PENELITIAN. Kegiatan penelitian dilaksanakan pada bulan Oktober 2013 hingga Maret 2014.
33 III. METODE PENELITIAN A. Waktu dan Tempat Kegiatan penelitian dilaksanakan pada bulan Oktober 2013 hingga Maret 2014. Adapun penelitian dilaksanakan di pesisir Kabupaten Lampung Timur. Berikut ini
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 I PENDAHULUAN. usaha jasa perjalanan wisata di Bali. Perusahaan ini melayani pelanggan
BAB I PENDAHULUAN 1.1 Latar Belakang PT. Bali Sinar Mentari adalah perusahaan yang bergerak pada bidang usaha jasa perjalanan wisata di Bali. Perusahaan ini melayani pelanggan domestik maupun mancanegara
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 terperinciAninda Nurry M.F., Ira Mutiara Anjasmara Jurusan Teknik Geomatika FTSP-ITS, Kampus ITS Sukolilo, Surabaya,
KAJIAN PERUBAHAN TUTUPAN LAHAN DAERAH ALIRAN SUNGAI BRANTAS BAGIAN HILIR MENGGUNAKAN CITRA SATELIT MULTI TEMPORAL (STUDI KASUS: KALI PORONG, KABUPATEN SIDOARJO) Aninda Nurry M.F., Ira Mutiara Anjasmara
Lebih terperinciMetode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax
Metode Segmentasi Paru-Paru dan Jantung Pada Citra X-Ray Thorax Abstrak Segmentasi citra merupakan salah satu tahapan dalam pengolahan citra yang penting, terutama dalam dunia medis. Apabila seorang dokter
Lebih terperinciBAB IV PENGOLAHAN DATA
BAB IV PENGOLAHAN DATA 4.1 Koreksi Geometrik Langkah awal yang harus dilakukan pada penelitian ini adalah melakukan koreksi geometrik pada citra Radarsat. Hal ini perlu dilakukan karena citra tersebut
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI
84 BAB IV IMPLEMENTASI DAN EVALUASI Pada bab ini akan dibahas mengenai implementasi sistem yaitu spesifikasi sistem dan cara menggunakan aplikasi segmentasi citra dengan menggunakan metode Fuzzy C- Means
Lebih terperinciABSTRAK. v Universitas Kristen Maranatha
ABSTRAK Sekarang ini banyak dilakukan pembangunan oleh banyak pihak seperti pembangunan tempat tinggal atau kantor. Proses pembangunan pada lokasi daerah memerlukan denah lokasi daerah yang akurat dan
Lebih terperinciAPLIKASI SURAT MASUK DAN KELUAR DENGAN KLASTERISASI MENGGUNAKAN METODE K-MEANS DI INSTALASI FARMASI RSUD DR.SAIFUL ANWAR
APLIKASI SURAT MASUK DAN KELUAR DENGAN KLASTERISASI MENGGUNAKAN METODE K-MEANS DI INSTALASI FARMASI RSUD DR.SAIFUL ANWAR Sari Nur Sita Wibowo 1 Amak Yunus EP 1 Sistem Informasi, Universitas Kanjuruhan
Lebih terperinciREMOTE SENSING AND GIS DATA FOR URBAN PLANNING
REMOTE SENSING AND GIS DATA FOR URBAN PLANNING Jarot Mulyo Semedi disampaikan pada: Workshop Continuing Professional Development (CPD) Ahli Perencanaan Wilayah dan Kota Jakarta, 7 Oktober 2016 Isi Presentasi
Lebih terperinci