Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kondisi liputan awan pad azone konvergensi awan tropik (ITCZ) dan pasifik (SPCZ) dapat dijadikan indikator keadaan cuaca di Indonesia. Analisis pergerakan zone liputan awan dari citra GMS digunakan untuk memprediksi perubahan cuaca di Indonesia. Metode kompilasi dan konversi data GMS inframerah termasuk untuk menilai suhu puncak awan dan neph analisis untuk klasifikasi jenis awan. Klasifikasi awan dalam tiga kategori yaitu daerah bebas awan dan awan rendah dengan suhu T<-21 C. Posisi garis berat ITCZ dan SPCZ ditentukan berdasarkan persaaan regresi linier. Hasil penelitian menggunakan data GMS bulan April 1998 hingga Februari 1999 menunjukkan posisi garis berat ITCZ dan SPCZ serta rangkuman penggerakan garis berat ITCZ dan SPCZ setiap bulan bergesert ke arah utara selatan maupun timur barat sesuai besarnya sebaran liputan awal penghasil hujan. Daerah yang mengalami pergeseran liputan awan rendah ke tinggi menunjukkan peralihan musim penghujan ke kemarau (April September). Sedangkan daerah yang mengalami pergeseran liputan awan tingi ke rendah menunjukkan daerah yang mengalami peralihan dari musim kemarau ke musin penghujan (September-November-Januari)."

"Metoda klasifikasi Jaringan Syaraf Tiruan (JST) telah banyak diterapkan dalam bidang penginderaan jauh. Dalam penelitian ini dilakukan percobaan klasifikasi awan dengan menerapkan metoda JST Kohonen pada data citra multispektral satelit NOAA AVHRR. JST Kohonen adalah metoda klasifikasi tak terselia yang berbasis pada sistem pembelajaran kompetitif Self-Organizing Maps (SOM). Prosedur percobaan terdiri dari tiga tahap, yakni tahap pembelajaran, tahap pelabelan dan tahap klasifikasi.Pada mulanya, klasifikasi awan dilakukan menggunakan lima kanal data citra sebagai vektor masukan, yakni kanal cahaya-tampak, infra-merah dekat, infra-merah tengah, dan dua kanal infra-merah termal. Hasil klasifikasi lalu dibandingkan dengan hasil klasifikasi visual untuk menentukan tingkat keberhasilannya. Kemudian, proses klasifikasi dilanjutkan untuk mengevaluasi kanal-kanal yang dominan dalam klasifikasi awan dengan cara mereduksi jurnlah kanal yang digunakan dalam klasifikasi.Hasil percobaan menunjukkan bahwa klasifikasi awan menggunakan JST Kohonen memberikan tingkat keberhasilan yang cukup tinggi sebesar 81% untuk katagori 10 kelas atau 95% untuk 4 katagori utama 4 kelas awan, dengan kanal-kanal yang dominan yaitu kanal satu (cahaya-tampak) dan kanal empat (infra-merah termal)."