Jurnal: Penggunaan Model Multinomial Untuk Mendukung Keputusan Neural Buatan Dalam Klasifikasi dan Deteksi Perubahan Penutup Lahan Citra Multi Waktu dan Multi Sensor

Jurnal: Penggunaan Model Multinomial Untuk Mendukung Keputusan Neural Buatan Dalam Klasifikasi dan Deteksi Perubahan Penutup Lahan Citra Multi Waktu dan Multi Sensor

Jurnal: Penggunaan Model Multinomial Untuk Mendukung Keputusan Neural Buatan Dalam Klasifikasi dan Deteksi Perubahan Penutup Lahan Citra Multi Waktu dan Multi Sensor

Abstrak 

Makalah ini menyajikan hasil studi berkelanjutan pada klasifikasi citra. Dalam studi sebelumnya, telah direkomendasikan skema neuro-statistik dalam skema multi temporal citra sensor optik. Skema ini terdiri atas pengklasifikasi jaringan neural untuk menghitung probabilitas posterior, metode ekspektasi maksimum untuk mengoptimalkan probabilitas join, dan probabilitas majemuk untuk menghasilkan citra tematik dan citra perubahan penutup lahan. Makalah ini melaporkan hasil perluasan dari skema yang telah ada untuk klasifikasi citra multi waktu – multi sensor. Untuk setiap pengklasifikasi citra sensor, dua skema telah dilakukan pengujian. Skema pertama menggunakan fitur tekstur citra tonal asli sebagai data input Model Gaussian untuk pengklasifikasi jaringan neural. Skema kedua menggunakan fitur tekstur citra asli dan matrik ko-okuren dengan Model Multinomial sebagai data input pengklasifikasi jaringan neural. Berdasarkan studi ini kami merekomendasi sebuah skema untuk klasifikasi citra multi waktu- multi sensor. 

Kata Kunci: Probabilistic Neural Network, Model Gaussian, Model Multinomial, Multisensor Multitemporal

Pendahuluan 

Indonesia telah lama menggunakan data sensor optik untuk mendukung program pengelolaan sumber daya alam sejak ERTS-1 yang diluncurkan pada tahun 1972. Kebutuhan untuk menggunakan citra sensor SAR (Synthetic Aperture Radar) dalam klasifikasi penutup lahan menjadi penting karena adanya gangguan awan pada citra optik. Sebaliknya citra sensor Synthetic Aperture Radar (SAR) tidak terganggu awan namun belum banyak digunakan untuk pemetaan lahan karena relatif lebih sulit dalam interpretasinya. Pada beberapa studi, penggunaan citra optik atau SAR saja secara tunggal dipandang kurang memadai. Oleh karena itu menjadi penting untuk mengembangkan suatu skema untuk pengolahan citra multi sensor. Adapun data citra multi waktu sangat cocok digunakan untuk identifikasi dan mendeteksi perubahan penutup lahan, dan juga untuk mereduksi gangguan (noise). Berdasarkan hal tersebut, selanjutnya skema yang menarik untuk dikembangkan dalam pengolahan citra adalah sebuah skema untuk multi sumber (multi waktu – multi sensor). 

Peneliti: Wawan Setiawan

Untuk lebih lengkapnya silahkan download di link berikut:
Jurnal: Penggunaan Model Multinomial Untuk Mendukung Keputusan Neural Buatan Dalam Klasifikasi dan Deteksi Perubahan Penutup Lahan Citra Multi Waktu dan Multi Sensor