Andriani Putri
Universitas Teuku Umar

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : JurTI (JURNAL TEKNOLOGI INFORMASI)

Image Fusion: Pengujian Terhadap Penggabungan Citra Satelit Himawari-8 Dan Spot Untuk Pemantauan Ketinggian Permukaan Air Laut Andriani Putri; Sri Azizah Nazhifah
(JurTI) Jurnal Teknologi Informasi Vol 5, No 1 (2021): JUNI 2021
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v5i1.2039

Abstract

Abstract - High spatial and temporal resolutions of satellite imagery are necessary to monitor rapid environment changes at finer scales. However, no single satellite can produce images with both high spatial and temporal resolutions yet. To address this issue, spatio-temporal image fusion algorithms were proposed to synthesize high spatial and temporal resolution images. For example, Landsat 8 with a spatial resolution of 30 m has been applied on water level detection, but it cannot capture dynamic events due to its low temporal resolution. On the other hand, The Advanced Himawari Imager (AHI) 8 only needs 10 minutes to watch the hemisphere once, but its coarse spatial resolution hampers the accurate mapping of sea level change. While our previous study has examined the feasibility of blending AHI and Landsat images, this study aims at blending SPOT imagery with AHI imagery to monitor the dynamic and local behavior of sea level changes. To be specific, first, images in the testing area are calibrated to surface reflectance and co-registered. The Normalized Difference Water Index (NDWI) is then calculated from SPOT and Himawari-8 images to be an input for the image fusion process. This study applies the Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM) as the image fusion method. While water level changes dynamically, traditional methods are largely affected by the changes of land cover. Hence, this study constructs a knowledge database to select proper land cover maps as an image fusion input. Finally, the evaluation result shows that the proposed solution can retrieve accurate water coverage with high spatial and temporal resolutions.Keywords - Spatial-temporal image fusion, STARFM, Himawari-8, SPOT, sea level monitoring Abstrak - Resolusi spasial dan temporal yang tinggi dari citra satelit diperlukan untuk memantau perubahan lingkungan yang cepat pada skala yang lebih baik. Namun, belum ada satupun satelit yang dapat menghasilkan gambar dengan resolusi spasial dan temporal yang tinggi. Untuk mengatasi masalah ini, proses penggabungan citra (image fusion) diaplikasikan untuk mensintesis citra dengan resolusi spasial dan temporal yang tinggi. Misalnya, Landsat 8 dengan resolusi spasial 30 m telah diterapkan pada deteksi ketinggian air, tetapi tidak dapat menangkap peristiwa dinamis karena resolusi temporal yang rendah. Di sisi lain, The Advanced Himawari Imager (AHI) 8 hanya membutuhkan waktu 10 menit untuk mengamati seluruh bumi dalam sekali orbit, namun resolusi spasialnya yang buruk dapat menghambat pemetaan perubahan permukaan air laut. Sementara studi sebelumnya telah menguji kelayakan untuk penggabungan citra AHI dan Landsat, maka studi ini bertujuan untuk menguji penggabungan citra SPOT dengan citra AHI untuk memantau dinamika dan perubahan permukaan air laut. Untuk lebih spesifik, pertama, citra di area studi dikalibrasi ke nilai surface reflectance dan kemudian co-registered. Normalized Difference Water Index (NDWI) kemudian dihitung dari citra SPOT dan Himawari-8 untuk dijadikan input saat proses penggabungan citra. Penelitian ini menggunakan Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM) sebagai metode penggabungan citra. Sementara ketinggian air berubah secara dinamis, metode tradisional yang sudah ada sebagian besar dipengaruhi oleh perubahan tutupan lahan. Oleh karena itu, penelitian ini membangun database untuk memilih peta tutupan lahan yang tepat sebagai input penggabungan citra. Akhirnya, hasil evaluasi dari pengujian solusi yang diusulkan dapat memperoleh lahan air yang akurat dengan resolusi spasial dan temporal yang tinggi.Kata Kunci - Penggabungan citra spasial-temporal, STARFM, Himawari-8, SPOT, pemantauan ketinggian air laut
Teknik Decision Tree dalam Pengklasifikasian Penggunaan Lahan dengan Menggunakan Citra Sentinel-2A MSI Sri Azizah Nazhifah; Andriani Putri
(JurTI) Jurnal Teknologi Informasi Vol 5, No 2 (2021): DESEMBER 2021
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v5i2.2379

Abstract

Klasifikasi penggunakan lahan merupakan suatu hal yang menarik untuk dipelajari dan diteliti. Ada beberapa metode klasifikasi yang banyak digunakan dalam peneliatian, salah satunya yaitu menggunakan metode machine learning, seperti SVM, Naiive, dan decision tree baik untuk foto udara dan citra satelit. Penelitian ini menggunkaan citra satelit Sentinel-2A MSI dalam melakukan klasifikasi lahan di Kota Langsa sebagai lokasi kajian. Adapun metode yang digunakan, langkah pertama dengan mengunduh citra Sentinel-2A dengan band yang memiliki resolusi 10 m dan 20 m. Citra ini memilki resolusi yang cukup baik dibandingkan dengan citra optical remote sensing lainnya. Langkah kedua, karena citra permukaan bumi yang tertutup awan maka perlu dilakukan proses cloud masking untuk mengurangi kesalahan klasfikasi piksel. Selanjutnya, proses pengumpulan training dataset yang diperoleh dari setiap kelasnya dan diwakilkan oleh nilai-nilai piksel. Kemudian, training dataset tersebut digunakan untuk melakukan klasifikasi terbimbing dengan menggunakan metode pohon keputusan. Metode ini akan mengatagorikan setiap pikselnya ke dalam delapan kelas. Terakhir, sebagai tahap valisadi, maka perlu dilakukan uji akurasi pada hasil klasifikasi lahan dengan menggunakan confusion matrix dan menghitung overall accuracy (OA). Dari hasil akurasi tersebut dapat disimpulkan bahwa pohon keputusan dapat memberikan hasil yang baik dalam klasifikasi penggunakan lahan di Kota Langsa dengan nilai OA sebesar 94%.
Penerapan Metode K-Means Clustering Pada Segmentasi Citra Bungong Jeumpa Hayatun Maghfirah; Cut Mutia; Abdurrahman Ridho; Andriani Putri
JurTI (Jurnal Teknologi Informasi) Vol 7, No 2 (2023): DESEMBER 2023
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v7i2.3752

Abstract

Bungong Jeumpa atau dalam Bahasa Indonesia dikenal sebagai bunga cempaka banyak ditemukan di pulau Sumatera terutama di Aceh. Keistimewaan bungong jempa juga dijadikan lagu daerah yang sering dinyanyikan baik langsung ataupun dinyanyikan sebagai musik pengiring dalam sebuah tarian. Proses memisahkan objek bungong jeumpa merupakan hal yang cukup sulit sehingga dalam permasalahan tersebut dibutuhkan implementasi metode guna mengambil peran untuk mengenali objek dalam suatu citra dua dimensi. langkah ini di kenal sebagai proses segmentasi, dan juga merupakan salah satu kunci untuk mendapatkan hasil deteksi yang akurat. Makalah ini bertujuan membahas penerapan K-Means Clustering sebagai metode segmentasi pada citra bungong jeumpa. Unjuk kerja segmentasi dievaluasi dengan membandingkan tiap klaster yang di hasilkan oleh metode K-Means Clustering. Hasil segmentasi terbaik diperoleh dengan jumlah tiga klaster, penentuan jumlah klaster mempengaruhi hasil segmentasi.