REKONSTRUKSI CITRA RADAR SUPER RESOLUTION MODEL MARKOV NETWORK

Transkripsi

1 REKONSTRUKSI CITRA RADAR SUPER RESOLUTION MODEL MARKOV NETWORK DENGAN TRAINING SET MENGGUNAKAN PCA (Studi Kasus Pada Radar Cuaca di BBMKG Wilayah I Medan) TESIS Oleh LIDO FANTER / TE FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA MEDAN

2 REKONSTRUKSI CITRA RADAR SUPER RESOLUTION MODEL MARKOV NETWORK DENGAN TRAINING SET MENGGUNAKAN PCA (Studi Kasus Pada Radar Cuaca di BBMKG Wilayah I Medan) TESIS Untuk Memperoleh Gelar Magister Teknik Dalam Program Studi Magister Teknik Elektro Pada Fakultas Teknik Oleh LIDO FANTER /TE FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA MEDAN

3 Judul Tesis : REKONSTRUKSI CITRA RADAR SUPER RESOLUTION MODEL MARKOV NETWORK DENGAN TRAINING SET MENGGUNAKAN PCA (Studi Kasus pada Radar Cuaca di BBMKG Wilayah I Medan) Nama Mahasiswa : Lido Fanter Nomor Pokok : Program Studi : Teknik Elektro Menyetujui Komisi Pembimbing: (Prof.Dr.Ir. Usman Baafai) Ketua (Prof.Drs. Tulus, M.Si.Ph.D) Anggota Sekretaris Program Studi Dekan, (Drs. Hasdari Helmi, MT) (Prof.Dr.Ir. Bustami Syam,MSME) Telah Lulus : 28 Maret

4 Telah diuji pada Tanggal : 28 Maret 2013 PANITIA PENGUJI TESIS Ketua : Prof.Dr.Ir. Usman Baafai Anggota : Prof.Drs. Tulus, M.Si.Ph.D 1. Prof.Dr. Muhammad Zarlis 2. Prof.Dr. Opim S.Sitompul, M.Sc 4

5 ABSTRAK Peningkatan pembangunan sistem komunikasi dan pengembangan pembangunan tower yang relatif meningkat, sering kurang dibarengi dengan datadata lokasi potensi petir yang pada dasarnya sangat dibutuhkan untuk menyelamatkan semua sistem peralatan yang dipergunakan. Dalam tesis ini super resolution dipakai untuk memperoleh citra radar perbesaran dengan mengaplikasikan model Markov Network pada training set yang dibentuk dari citra awan serta dapat memperoleh intensitas kepadatan awan yang mengandung petir. Training set dibentuk dari patch dengan proses cuplikan citra awan, rekonstruksi citra radar super resolution merupakan salah satu cara dalam proses pengolahan citra radar guna meningkatkan kualitas citra awan yang mengandung petir serta dapat memperoleh data intensitas petir pada daerah tertentu dalam kawasan tangkapan radar cuaca. Proses pemilihan patch terbaik dari training set dapat direduksi menggunakan metode PCA (Principle Component analysis) yang memacu prosess pada training set lebih cepat. Kata-kata kunci : Potensi Petir, Markov Network, Principle Component Analysis 5

6 ABSTRACT The increasing development of communication system and the relatively increasing development of tower construction are not usually followed by the data of potential lightning locations which actually need to save all equipment systems. In this thesis, super resolution was used to obtain magnifying radar image by applying Markov Network model in the training set formed by cloud image so that the intensity of cloud density which contains lightning can be obtained. Training set is formed by patch in the processes of cloud image footage. The reconstruction of the super resolution radar image is one of the techniques in the process of radar image in order to increase the quality of cloud image which contains lightning and to obtain the data of lightning intensity in certain areas within weather radar catchment areas. The process of selecting the best patch of training set can be reduced by using PCA (Principle Component Analysis) method which expedites the process in training set. Keywords: Potential Lightning, Markov Network, Principle Component Analysis 6

7 KATA PENGANTAR Puji syukur kehadirat Tuhan Yang Maha Esa atas rahmat dan hidayahnya sehingga penulis dapat menyelesaikan tesis ini. Penulisan tesis ini dilakukan untuk memenuhi salah satu syarat kurikulum Program Studi Magister Teknik Elektro Fakultas Teknik, Medan. Tesis ini berjudul Rekonstruksi Citra Radar Super Resolution Model Markov Network dengan Training Set Menggunakan PCA (Studi Kasus pada Radar Cuaca di BBMKG Wilayah 1 Medan). Penulis terutama sekali mengucapkan terima kasih kepada orang tua tercinta, istri, dan anak-anak tersayang atas doa dan dorongan batin yang tak ternilai harganya. Penulis juga mengucapkan terima kasih yang tak terhingga dan penghargaan yang setinggi-tingginya kepada Bapak Prof. Dr. Ir Usman Baafai & Bapak Prof. Drs. Tulus, M.Si.Ph.D, sebagai pembimbing atas segala saran, bimbingan dan nasehatnya selama penyelesaian tesis ini. Penulis juga mengucapkan terima kasih kepada para penguji : Bapak Prof.Dr. Muhammad Zarlis dan Bapak Prof.Dr. Opim S.Sitompul, M.Sc yang banyak memberikan masukan atas penulisan tesis ini. Tidak lupa juga kepada staf pengajar selama menempuh perkuliahan khususnya staf administrasi pada program Studi Magister Teknik Elektro yang selalu mengingatkan penulis untuk menyelesaikan tesis ini. 7

8 Penulis menyadari bahwa tesis ini masih jauh dari kesempurnaan. Penulis berharap semoga tesis ini dapat memberikan cakrawala baru bagi para pembaca dan memotivasi untuk lebih mengembangkan ilmu pengetahuan yang dapat berguna untuk kedepannya. Medan, Maret 2015 Penulis, Lido Fanter 8

9 DAFTAR RIWAYAT HIDUP Saya yang bertanda tangan dibawah ini: Nama : Lido Fanter Tempat/Tanggal Lahir : Belawan, 2 September 1975 Jenis Kelamin Agama Bangsa Alamat : Laki-laki : Kristen : Indonesia : Jl. Bunga Terompet Perumahan Cipta Pesona Blok D-16, Medan Tuntungan Menerangkan dengan sesungguhnya riwayat hidup sebagai berikut: PENDIDIKAN 1. Tamatan SD HangTuah II, Kota Bangun : Tahun Tamatan SLTP HangTuah II, Kota Bangun : Tahun Tamatan SLTA Negeri Labuhan Deli : Tahun Tamatan S1 Institut Sains dan Teknologi T.D Pardede : Tahun 2003 PEKERJAAN BBMKG Wil I Medan Medan, April 2015 Penulis, Lido Fanter 9

10 DAFTAR ISI HALAMAN ABSTRAK.. ABSTRACT. KATA PENGANTAR... DAFTAR RIWAYAT HIDUP. DAFTAR ISI.. DAFTAR GAMBAR. DAFTAR TABEL.. BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Sistematika Penelitian. BAB 2 TINJAUAN PUSTAKA Pendahuluan Rekonstruksi super resolusi berdasarkan Interpolasi Rekonstruksi super resolusi berdasarkan Training Penelitian Yang Dilakukan Rancangan Penelitian Teori Markov Network Defenisis Markov Networ Sifat-sifat Markov Network d-separation Undirected Factorization. i ii iii v vi viii ix

11 Directed Markov Network Menggunakan Markov Random Field Pendekatan Nearest Neighborhood dalam MRF Identifikasi dengan struktur induk nearest Neighbor Metode Statistik PCA Konsep dasar PCA Parameter dan variabel PCA Matriks karakteristik (Eigen) Nilai karakteristik dan vektor karakteristik Penentuan nilai karakteristik dan vektor Karakteristik Transformasi kemiripan Standarisasi hasil PCA... BAB 3 METODELOGI PENELITIAN Metode Pengumpulan Data Perangkat Lunak Lokasi dan Waktu Penelitian Rancangan Penelitian Data Uji Penelitian Data real image radar cuaca Data real image petir Prosedur pengolahan data real radar dan data Petir... BAB 4 HASIL DAN PEMBAHASAN Hasil Analisa Image Radar Cuaca 15 Pebruari Tahap Training pada Citra Radar Training Set Model Markov Network Signal To Noise Ratio (SNR) BAB 5 KESIMPULAN DAN SARAN 5.1. Kesimpulan 5.2. Saran.. DAFTAR PUSTAKA LAMPIRAN 11

12 DAFTAR GAMBAR No Judul Halaman Deteksi radar cuaca.. Jenis gelombang dan frekuensi Hasil data radar (radar image).. Dasar pemikiran super resolution.. Sistem pemrosesan piksel. Model super resolution... Undirected graph Graph dengan clique.. Moralization Markov.. Moralization dengan syarat bebas... Ancestral set... Aplikasi teorema Markov Network... Bentuk Spin Lattice MRF. clique digambarkan oleh lingkaran dengan garis putus-putus clique adalah subset yang dihubungkan secara maksimal pada node dalam graph... Struktur Node MRF untuk Model Markov Network... Identifikasi dan pengenalan citra pada proses training.. Diagram dataspace... Skema mendapatkan eigenvector dan Eigenvalue... Gambaran rancangan penelitian... Konfigurasi sensor radar. Data radar Data petir Gambaran umum proses sistem... Tahap proses pencuplikan image radar Proses PCA pengolahan data awan Jam WIB Data petir.. Proses PCA pengolahan data awan Jam wib tanggal 15 Pebruari Data petir.. Data image radar di reconstructe.. Data SNR jam wib.. Data SNR jam wib

13 DAFTAR TABEL No Judul Halaman 1.1. Daftar nama peneliti menggunakan metode PCA (Principle Component Analysis)