Abstrak Citra penginderaan jauh adalah sumber utama dalam deteksi liputan lahan yang dapat mencak... more Abstrak Citra penginderaan jauh adalah sumber utama dalam deteksi liputan lahan yang dapat mencakup wilayah yang sangat luas. Pada daerah yang mempunyai tutupan lahan yang heterogen, penggunaan citra penginderaan jauh dapat digunakan untuk mengetahui jenis penggunaan lahan dalam waktu yang relatif lebih singkat dibandingkan dengan pemantauan secara terestrial. Citra yang digunakan dalam penelitian ini yaitu citra SPOT 5. Permasalahan yang sering timbul dalam pengolahan citra penginderaan jauh adalah dimensi data yang besar sehingga sangat sulit diselesaikan dengan metode tradisional. Pendekatan machine learning menjadi pilihan alternatif metode yang dapat menangani permasalahan tersebut. Support vector machine dan artificial neural network merupakan bagian dari machine learning yang dipilih untuk digunakan dalam kasus ini karena memiliki kemampuan memahami data non linear dengan dimensi data yang lebih besar. Berdasarkan hasil klasifikasi tutupan lahan citra Pada kasus ini klasifikasi dengan SVM lebih dapat diunggulkan dengan akurasi (88,02%) dibandingkan ANN (81,78%).. Kata kunci:, machine learning, support vector machine, artificial neural network
Abstrak Citra penginderaan jauh adalah sumber utama dalam deteksi liputan lahan yang dapat mencak... more Abstrak Citra penginderaan jauh adalah sumber utama dalam deteksi liputan lahan yang dapat mencakup wilayah yang sangat luas. Pada daerah yang mempunyai tutupan lahan yang heterogen, penggunaan citra penginderaan jauh dapat digunakan untuk mengetahui jenis penggunaan lahan dalam waktu yang relatif lebih singkat dibandingkan dengan pemantauan secara terestrial. Citra yang digunakan dalam penelitian ini yaitu citra SPOT 5. Permasalahan yang sering timbul dalam pengolahan citra penginderaan jauh adalah dimensi data yang besar sehingga sangat sulit diselesaikan dengan metode tradisional. Pendekatan machine learning menjadi pilihan alternatif metode yang dapat menangani permasalahan tersebut. Support vector machine dan artificial neural network merupakan bagian dari machine learning yang dipilih untuk digunakan dalam kasus ini karena memiliki kemampuan memahami data non linear dengan dimensi data yang lebih besar. Berdasarkan hasil klasifikasi tutupan lahan citra Pada kasus ini klasifikasi dengan SVM lebih dapat diunggulkan dengan akurasi (88,02%) dibandingkan ANN (81,78%).. Kata kunci:, machine learning, support vector machine, artificial neural network
Uploads
Papers by Febriana Santi
Conference Presentations by Febriana Santi