Laporkan Masalah

Identifikasi tanaman padi pada citra satelit menggunakan Algoritma Complete-Link dan Fuzzy C-Means Clusterings

HESTININGSIH, Idhawati, Drs. Agus Hardjoko, MSc.,PhD

2004 | Tesis | S2 Ilmu Komputer

Fokus dari penelitian ini adalah membangun dan mengevaluasi kinerja aplikasi untuk mengklasifikasi citra multispektral dari satelit Landsat TM ke dalam beberapa kelompok (cluster) yang dapat digunakan untuk mengidentifikasi tanaman padi. Dalam penelitian ini identifikasi tanaman padi berdasarkan kecerahan piksel pada saluran merah, inframerah dekat, dan inframerah tengah I. Identifikasi dilakukan melalui clustering dan klasifikasi. Algoritma Complete–Link clustering digunakan untuk mendapatkan jumlah cluster optimal yang merepresentasikan jumlah objek yang optimal pada suatu citra berdasarkan dua kriteria. Kriteria pertama meminimalkan jarak antar piksel dalam suatu cluster. Kriteria kedua adalah memaksimalkan jarak antar cluster. Jumlah cluster awal diperoleh dengan menggunakan metode Histogram Peak Analysis dan untuk membentuk histogram menggunakan Principal Component Transformation. Algoritma Fuzzy C-Mean Clustering digunakan untuk menentukan keanggotaan tiap-tiap piksel dalam suatu cluster sehingga piksel-piksel anggota cluster tersebut sangat mirip dibandingkan piksel-piksel anggota cluster lain. Untuk mengidentifikasi suatu cluster sebagai suatu objek, dilakukan berdasarkan kemiripan suatu cluster dengan suatu data sampel berdasarkan pengukuran jarak (euclidean distance) mean piksel data sampel dengan mean piksel dari tiap-tiap cluster. Hasil penelitian menunjukkan bahwa sistem dapat mengklasifikasi tanaman padi dari citra multispectral. Penggabungan metode Complete-Link dan Fuzzy C-Mean Clustering mampu meningkatkan kualitas hasil clustering dengan meningkatkan nilai Scatter Between Cluster sebesar 33,33 % dan menurunkan nilai Scatter Within Cluster sebesar 33,33 % dibandingkan dengan menggunakan metode Complete-Link saja.

This research is focused on the development and evaluation at application for clasifying multispectral image from Landsat TM satellite into several clusters that can be used for rice identification. In this research the rice identification is based on the brightness of pixels at red, near infra red and medium infra red channels. The identification is carried out through clustering and classification. The complete link clustering algorithm is used to obtain the optimal number of clusters, which represent the optimal number of objects in the image, based on two criteria. The first criteria minimizes distances among pixels within cluster. The second, maximizes distances between clusters. The initial number of clusters are obtained using the histogram peak analysis method. The histogram is found using the Principal Component Transformation. Fuzzy c-means clustering algorithm is used to get the membership pixels of each clusters and pixels within cluster are more similar to one another than pixels in other clusters. Identification object is based on similarity cluster with sample data using euclidean distance measure from mean pixels sample data and mean pixels each clusters. The result of this research showed that the system can clasify rice from multispectral image. Combination of complete-link clustering algorithm and fuzzy c-means clustering algorithm can raise the quality of clustering result up to 33,33 % for scatter between cluster and down to 33,33 % for scatter within cluster compared with quality of clustering result using only complete-link clustering algorithm.

Kata Kunci : Komputer,Citra Satelit Multispektral,Algoritma Complete,Link,Fuzzy,Means Clusterings,histogram peak, principal component transformation, complete-link, fuzzy c-means, euclidean distance


    Tidak tersedia file untuk ditampilkan ke publik.