Optimalisasi multi model naïve bayes classifier dalam mengklasifikasikan objek ruang terbuka hijau (rth) berbasis citra google earth
| Main Authors: | Santoso, Irwan Budi, Supriyono, Supriyono, Crysdia, Cahyo, Holle, Khadijah Fahmi Hayati |
|---|---|
| Format: | Research NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
-
|
| Subjects: | |
| Online Access: |
http://repository.uin-malang.ac.id/4251/1/LAPORAN%20LITABDIMAS%202018.pdf http://repository.uin-malang.ac.id/4251/ |
Daftar Isi:
- Naiknya temperatur udara dan banjir adalah persoalaan utama yang terjadi perkotaan, khususnya untuk kota-kota metropolis di Indonesia. Persoalan tersebut terjadi karena aktifitas manusia yang tidak terkendali sehingga mengakibatkan kerusakan dan penyempitan lingkungan khususnya Ruang Terbuka Hijau (RTH). Salah satu upaya untuk menyelesaikan persoalan tersebut adalah dengan menyediakan fasilitas yang dapat memantau kondisi RTH kota secara rill melalui komputer. Fasilitas tersebut dapat dibuat dengan memanfaatkan citra google earth, yang saat ini belum terdapat fasilitas untuk menklasifikasikan objek RTH yang ada dipermukaan bumi. Dalam penelitian ini, digunakan studi kasus dengan melibatkan objek-objek RTH kota di Indonesia dengan metode klasifikasi yang digunakan adalah Naïve Bayes Classifier (NBC). Salah satu kontribusi utama dalam penelitian ini adalah membangun model NBC yang melibatkan beberapa model NBC yang kemudian disebut multi-model NBC. Adapun langkahlangkah dalam klasifikasi objek RTH, secara garis besar dibagi dua tahap yaitu tahap training dan testing. Proses training untuk membentuk beberapa struktur multi-model NBC yang optimal. Sedangkan tahap testing, untuk klasikasi objek RTH berdasarkan struktur multi-model NBC dan parameter hasil training. Hasil uji coba dengan menggunakan sampel pengujian, menunjukkan tingkat akurasi metode yang diusulkan dalam klasifikasi objek RTH lebih baik daripada single model NBC.