Studi Kinerja Fitur Berbasis Warna untuk Pengenalan Jenis Tanah pada Citra Satelit

Hasim, Jauari Akhmad Nur (2019) Studi Kinerja Fitur Berbasis Warna untuk Pengenalan Jenis Tanah pada Citra Satelit. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 5111250010023-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (1MB) | Request a copy

Abstract

Indonesia memiliki daerah aliran sungai yang sangat panjang. Pulau Jawa
dengan Sungai Bengawan Solo yang memiliki panjang 600 km. Iklim tropis yang
ada di Indonesia membuat sungai ini mengalami banjir musiman di titik tertentu.
Kerugian setiap tahun sudah menjadi langganan di daerah yang di lalui sungai
tersebut. Banjir daerah aliran sungai disebabkan oleh dua hal, yaitu faktor alam
dan manusia. Faktor alam seperti jenis tanah menjadi salah satu parameter penting
dalam lama peyerapan air ketika banjir terjadi. Pada penelitian ini, dikembangkan
studi kinerja fitur berbasis warna untuk pengenalan jenis tanah pada citra satelit.
Dengan melakukan segmentasi citra menggunakan Kmeans Clustering untuk
memisahkan daerah aliran sungai menjadi daerah air, vegetasi dan tanah. Pada
setiap daerah hasil segmentasi dilakukan ekstraksi fitur warna dengan metode
histogram warna, histogram intersection, Hue Saturation Value (HSV), Color
Difference Histogram (CDH) dan Color Co-occurrence Matrix (CCM). Daerah
yang berupa tanah dilakukan klasifikasi K-Nearest Neighbor (KNN) untuk setiap
metode ekstraksi fitur. Dengan tujuan untuk mencari, metode yang paling sesuai
dalam melakukan ekstraksi fitur berbasis warna pada citra satelit. Bedasarkan
hasil uji coba kinerja tersebut, dapat diketahui bahwa metode terbaik untuk
melaukan ektraksi fitur warna adalah metode histogram ruang HSV dengan
kesesuaian hasil sebesar 26%. Jenis tanah yang diketahui akan menjadi
pertimbangan baru dalam penelitian sistem pemodelan banjir daerah aliran sungai
untuk mendapatkan hasil yang lebih akurat.
================================================================================================
Indonesia has a very long river basin. Java Island with Bengawan Solo River which has a length of 600 km. Tropical climate in Indonesia makes this river flooded seasonally at a certain point. Losses each year have become subscriptions in the area through the river. Watershed floods are caused by two things, natural and human factors. Natural factors such as soil types become one of the important parameters in the duration of water absorption when floods occur. In this study, the study developed the performance of color-based features for the introduction of soil types on satellite imagery. By segmenting the imagery using Kmeans Clustering to separate the watershed into areas of water, vegetation and soil. In each segmented region, color extracting is performed using color histogram method, intersection histogram, Hue Saturation Value (HSV), Color Difference Histogram (CDH) and Color Co-occurrence Matrix (CCM). The land area is classified K-Nearest Neighbour (KNN) for each feature extraction method. With a view to searching, the most appropriate method of performing color-based feature extraction on satellite imagery. Based on the results of the performance test, it can be seen that the best method to extract the color feature is the HSV space histogram method with a matching yield of 26%. Known soil types will be a new consideration in the research of river basin flood modeling systems to obtain more accurate results.

Item Type:	Thesis (Masters)
Additional Information:	RTIf 006.42 Has s-1 2019
Uncontrolled Keywords:	image segmentation, k-means clustering, soil type, KNN
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Jauari Akhmad Nur Hasim
Date Deposited:	06 Oct 2021 18:34
Last Modified:	06 Oct 2021 18:34
URI:	http://repository.its.ac.id/id/eprint/61298

Actions (login required)

View Item