KLASIFIKASI AWAN DARI CITRA SATELIT NOAA MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
| Main Author: | ROHANAH, NENENG |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
https://eprints.untirta.ac.id/3693/1/KLASIFIKASI%20AWAN%20DARI%20CITRA%20SATELIT%20NOAA%20MENGGUNAKAN%20METODE%20LEARNING%20VECTOR%20QUANTIZATION.pdf https://eprints.untirta.ac.id/3693/ https://ft.untirta.ac.id/ |
Daftar Isi:
- Citra awan satelit NOAA 18 dan 19 menjadi salah satu informasi penting untuk perkiraan cuaca dan analisis iklim. Tipe awan pada citra satelit dibedakan berdasarkan ketinggiannya yaitu awan rendah, awan tengah, dan awan tinggi. Penelitian ini membandingkan metode segmentasi multilevel thresholding dan metode FCM (Fuzzy C-Mean). Data hasil segmentasi dengan kedua metode tersebut diklasifikasi menggunakan metode LVQ. Hasil penelitian ini memperoleh akurasi pengenalan data awan yang disegmen menggunakan multilevel thresholding sebesar 72,22 % dan data awan yang disegmen menggunakan FCM sebesar 83,33 %. Kata kunci : Klasifikasi, Citra satelit NOAA, Awan, LVQ