Klasifikasi Citra Satelit menggunakan Lightweight Ensemble Convolutional Network

Rachmadi, Reza Fuad
Prioko, Kentani Langgalih
Nugroho, Supeno Mardi Susiki
Purnama, I Ketut Eddy

Jurnal Teknologi dan Sistem Komputer
[IN PRESS] Volume 10, Issue 3, Year 2022 (July 2022)

Citra satelit dapat digunakan salah satunya sebagai pengamatan kondisi atmosfer dan permukaan pada bumi. Dengan semakin berkembangnya teknologi citra satelit, waktu untuk pengambilan citra satelit menjadi lebih efisien. Makalah ini melakukan eksperimen menggunakan klasifier ensemble convolutional network untuk melakukan pengenalan kondisi atmosfer pada citra satelit. Empat buah arsitektur Convolutional Neural Network (CNN) digunakan dalam eksperimen ini, yaitu MobileNetV2, ResNet18, ResNet18Half, dan SqueezeNet. Keempat arsitektur CNN tersebut dipilih karena mempunyai jumlah parameter yang tidak terlalu besar (lightweight) serta dapat diterapkan pada banyak perangkat keras tertanam. Eksperimen yang dilakukan dengan menggunakan dataset USTC SmokeRS memperlihatkan bahwa klasifier ensemble memperoleh hasil yang baik dengan akurasi rata-rata tertinggi sebesar 97.06 %.