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)."

"ABSTRAKKeberadaan awan pada citra satelit optis dapat mengganggu proses pengolahan dan analisis interpretasi citra, terutama bagi Indonesia yang merupakan negara tropis yang sering tertutup awan sepanjang tahun. Oieh karena itu, perlu dilakukan klasifikasi awan sebelum pengolahan citra lebih lanjut. Artikel ini menawarkan metode lain untuk mengklasifikasi awan, yaitu Genetic algorithm initializing K--means (GAIK). GAIK merupakan metode pengelompokan data yang mengombinasikan metode K-means dengan algoritma genetika, dimana centroid-centroid yang digunakan pada metode K-means diperoleh dari hasil optimisasi algoritma genetika. Hash eksperimen pada citra Landsat-8 menunjukkan bahwa GAIK dapat digunakan untuk mengklasifikasi awan dengan hasil yang cukup baik."

"Permintaan energi listrik terus meningkat, dikarenakan pertumbuhan ekonomi yang di sertai pertambahan penduduk dan kemampuan beli masyarakat. Salah satu kemampuan beli masyarakat yakni penggunaan peralatan elektronika. Peralatan elektronika yang menjadi daya tarik masyarakat saat ini seiring meningkatnya suhu udara yakni penyejuk udara, dapat berupa kipas angin atau air conditioning (AC). Saat musim kemarau, pemakaian daya PLN bertambah, dimungkinkan penggunaan penyejuk udara meningkat, Dan saat musim penghujan terjadi sebaliknya, yakni dimungkinkan penggunaan penyejuk udara menurun. Dengan situasi tersebut terjadi hubungan antara kebutuhan daya listrik terhadap perubahan cuaca. Skripsi ini menjelaskan seberapa besar pengaruh faktor cuaca terhadap beban elektris yang dikelola oleh PT.PLN, sehingga dapat dijadikan referensi untuk proses prediksi penyaluran daya ke masyarakat. Data diperoleh dari dua instansi terkait yaitu PT.P3B Jawa Bali dan BMKG balai besar wilayah II. Proses perhitungan menggunakan analisis statistik, dengan metode regresi linier berganda. Perubahan cuaca dipengaruhi oleh beberapa faktor diantaranya, suhu, kecepatan angin dan curah hujan. Dari hasil penelitian diperoleh bahwa, pengaruh faktor cuaca yang paling besar terhadap perubahan daya yakni faktor curah hujan dengan koefisien determinasi (R2) 74,3% dan korelasi yang paling besar yakni faktor suhu udara r = 73,9 %.

---

The request of electricity energy continued to increase, was caused by the growth of economics that in accompanied population growth and the capacity bought the community. One of the capacities bought the community namely the use of electronic equipment. Electronic equipment into the current public fascination with increasing in the temperature of air namely the air cooler, can form from fan or Air Conditioning (AC).

When the dry season, the power consumption of the state electricity company (PLN) grows, it is possible to increase the use of the air cooler, And when the rainy season, happened conversely, that is enabled by the use of the air cooler decreases. With such a situation occurs the relationship between electric power demand to changes in weather.

This thesis describes how big the influence of weather factors on the electrical load which is managed by PT PLN, so it can be used as a reference for the prediction of power distribution to the public. The data obtained from two related agencies wich is PT P3B Java Bali and BMKG large hall area II.

The calculation process using statistical analysis, multiple linear regression method. Changes in the weather is influenced by several factors, among others, temperature, wind speed and rainfall. The results were obtained that, the influence of weather factors on the changing of the biggest factors ie rainfall coefficient of determination (R2) was 74.3% and the greatest correlation ie air temperature factor r = 73.9%."

"Awan merupakan salah satu objek dalam citra satelit penginderaan jauh sensor optis yang keberadaanya sering kali mengganggu proses pengolahan citra penginderaan jauh. Deteksi awan secara akurat merupakan tugas utama dalam banyak aplikasi penginderaan jauh. Oleh karena itu, deteksi awan secara tepat khususnya pada citra satelit optis resolusi sangat tinggi merupakan suatu pekerjaan yang sangat menantang. Penelitian ini bertujuan untuk mendeteksi objek awan pada data citra satelit penginderaan jauh resolusi sangat tinggi. Penelitian ini menggunakan algoritma deep learning yaitu Convolutional Neural Network (CNN) dan segmentasi Simple Linear Iterative Clustering (SLIC) superpixel untuk mendeteksi objek awan pada citra satelit penginderaan jauh. Penelitian ini menggunakan SLIC untuk mengelompokkan citra ke dalam superpiksel. Penelitian ini juga merancang CNN untuk mengekstrak fitur dari citra dan memprediksi superpiksel sebagai salah satu dari dua kelas objek yaitu awan dan bukan awan. Penelitian ini menggunakan data citra satelit resolusi sangat tinggi Pleiades multispectral dengan resolusi 50 cm. Deteksi awan dilakukan dengan berbagai macam skenario. Hasilnya, metode yang diusulkan mampu mendeteksi objek awan dengan performa akurasi sebesar 91.33%.

---

Clouds are one of the objects in optical sensor remote sensing satellite images whose presence often interferes with the remote sensing image processing process. Accurate cloud detection is a key task in many remote sensing applications. Therefore, precise cloud detection, especially in very high-resolution optical satellite imagery, is a very challenging task. This study aims to detect cloud objects in very high-resolution remote sensing satellite imagery data. This study uses a deep learning algorithm, namely Convolutional Neural Network (CNN) and Simple Linear Iterative Clustering (SLIC) superpixel segmentation to detect cloud objects in remote sensing satellite images. This study uses SLIC to group images into superpixels. This study also designed a CNN to extract features from the image and predict the superpixel as one of two classes of objects, namely cloud, and non-cloud. This study uses very high-resolution Pleiades multispectral satellite imagery data with a resolution of 50 cm. Cloud detection is carried out in various scenarios. As a result, the proposed method can detect cloud objects with an accuracy performance of 91.33%."

"Makalah ini menyajikan suatu metodologi penyelesaian masalah awan pada citra optik inderajaya dengan pendekatan citra optik multitemporal dan pendektan citra multisensor (yaitu citra optik dan citra radar). Masalah utama dari penggunaan citra optik adalah adanya gangguan awan, termasuk adanya awan permanen dan daerah awan tipis atau berkabut. Kebutuhan restorasi daerah tutupan pada tingkat tinggi (tingkat ct=itra tematik) tetapi juga pada tingkat rendah (tingkat citra mentah). Metodologi yang diajukan memuat beberapa skema penyelesaian masalah awan pad tingkat citra mentah maupun tingkat citra tematik, kondidi awan permanen ataupun daerah tutupan awan tipis. Pendekatan yang digunakan terdiri dari penggunaan teknik mosaik fusi data dan sintesa data. Citra bebas awan sebagai hasil restorasi mempunyai karakter tampak asli (khusus untuk pendektan sintesa), distribusi tingkat kabuan yang konsisten serta ketelitian klasifikasi yang optimal."

"ABSTRAKPerdagangan dan hubungan antar negara menyebabkan pertukaran mata uang antar negara atau lebih dikenal dengan forex atau foreign exchange. Pasar mata uang memiliki kapitalisasi yang sangat besar,sehingga perdagangan mata uang ini telah menjadi salah satu pilihan investasi. Meskipun investasi dalam pasar mata uang adalah investasi yang beresiko tinggi atau high risk, akan tetapi investasi ini juga menjanjikan hasil yang tinggi atau high return. Banyak faktor yang mempengaruhi pergerakan mata uang, salah satu faktor utamanya adalah berita fundamental. Berita fundamental adalah berita tentang kondisi perekonomian suatu negara.Kesuksesan dalam perdagangan mata uang, para pelaku perdagangan mata uang harus memiliki kemampuan dalam melakukan analisis pergerakan mata uang. Pedagang mata uang harus menguasai analisis teknis dan analisis fundamental dalam melakukan analisis pergerakan mata uang. Namun pada kenyataannya banyak pelaku perdagangan mata uang mengalami kerugian besar yang disebabkan perbedaan persepsi antara pasar mata uang dengan analisis teknis maupun analisis fundamental yang telah dilakukan. Hal ini disebabkan karena analisis teknis dan analisis fundamental yang dilakukan bersifat konvensional dengan beberapa periode waktu saja. Dan disamping itu pedagang mata uang belum menguasai emosi dalam melakukan transaksi perdagangan mata uang.Penelitian ini bertujuan membuat model pengambilan keputusan jual atau beli dengan menggunakan model data mining yang melibatkan data historis perdagangan masa lampu dan waktu dimana berita fundamental dikeluarkan oleh lembaga berwenang suatu negara. Dengan menggunakan data historis ini akan dibuatkan model data mining dalam pengambilan keputusan perdagangan tanpa melibatkan manusia. Metode data mining yang dipergunakan adalah Support Vector Machine (SVM) dalam melakukan klasifikasi dan pengenalan pola. SVM ini akan dipergunakan untuk mengambil keputusan jual atau beli berdasarkan indikator teknis dan waktu pengumuman berita fundamental dikeluarkan.

---

ABSTRACTTrade relations between the state and led to cross-border currency exchange or better known as foreign exchange. The currency market has a very large capitalization, so that currency trading has become one of the investment options. Although the investment in the currency market is a high risk investment, but these investments also promises high yield or high return. Many factors affect currency movements, one of the main factors is the fundamental news. Fundamental news is news about the condition of the economy of a country. Currency traders use fundamental news as an indicator to predict the economic conditions of a country and its effect on the country's currency.Success in currency trading, currency traders should have the ability to perform analysis of currency movements. Currency traders must master the technical analysis and fundamental analysis in the analysis of currency movements. But in fact many currency traders suffered huge losses due to the difference in perception between the currency markets with technical analysis and fundamental analysis has been done. This is due to the technical analysis and fundamental analysis is conventional with some periods of time. And besides that currency traders have not mastered the emotion in the transaction currency trading.This research aims to create a model of selling or buying decisions using data mining models that involve historical data and trading period of time where the fundamental news issued by the authority of a country. By using this historical data will be creating data mining models in decision making without human involvement. The data mining method used is the Support Vector Machine (SVM) to do classification and pattern recognition. SVM will be used to make a decision to sell or buy based on technical indicators and fundamental news announcements released time."