Klasifikasi Citra Satelit Menggunakan Kombinasi Fitur Warna Dan Fitur Tekstur
| Main Authors: | ., Sutrisno, Supianto, Ahmad Afif |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Fakultas Ilmu Komputer, Universitas Brawijaya
, 2015
|
| Online Access: |
http://jtiik.ub.ac.id/index.php/jtiik/article/view/141 http://jtiik.ub.ac.id/index.php/jtiik/article/view/141/pdf |
Daftar Isi:
- AbstrakPenelitian tentang klasifikasi citra satelit untuk mengklasifikasikan citra dalam kelompok tertentu sedang mengalami perkembangan. Terdapat masalah yang disebabkan oleh kesalahan yang dilakukan saat ekstraksi fitur. Pada penelitian ini, peneliti mengusulkan metode baru yang dapat digunakan untuk klasifikasi citra melalui ekstraksi fitur berupa fitur warna yang menggunakan tranformasi model warna YUV dan fitur tekstur menggunakan fungsi Gabor. Untuk klasifikasi, peneliti menggunakan Fuzzy Support Vector Machine dalam menghindari adanya daerah yang tidak dapat terklasifikasi pada metode SVM. Terdapat tiga kelas untuk klasifikasi, yaitu kelas pertanian, kelas pemukiman, dan kelas perairan. Pengujian dilakukan terhadap citra satelit dengan ukuran 256 x 256 piksel serta data latih sebanyak 450 data dengan ukuran 16 x 16 piksel. Hasil pengujian menunjukkan bahwa metode yang diusulkan peneliti dapat melakukan klasifikasi data citra dengan tingkat akurasi yang didapatkan melebihi 80%.Kata kunci: Citra Satelit, Transformasi Citra, Fungsi Gabor, Fuzzy Support Vector MachineAbstractResearch on the satellite image classification for grouping pixels in an image into a number of classes, so that each class can describe an entity with certain characteristics. Problems caused by errors in feature extraction or by image degradation can occur in the classification process. In this study, a new method is proposed for image classification by extracting features such as color features using a YUV color model transformation and texture features using Gabor functions. For the classification process, we use the Fuzzy Support Vector Machine to avoid unclassifiable regions in SVM method. There are three classes who used in this study, namely agricultural land, residential area, and water area. The test carried out on the satellite image size 256x256 pixels with a total number of 450 training data size 16x16 pixel image data. Tests carried out to classify images into 3 classes. Experimental results show that the proposed method is able to classify the data with an accuracy rate above 80%.Keywords: Satellite Imagery, Image Transformation, Gabor functions, Fuzzy Support Vector Machine