Hasil Pencarian  ::  Simpan CSV :: Kembali

"Klasifikasi citra penginderaan jauh (inderaja) bertujuan untuk menghasilkan peta tematik, dimana tiap warna mewakili sebuah objek, misalkan hutan laut, sungai, sawah dan lain-lain. Makalah ini mempresentasikan disain dan implementasi perangkat lunak untuk mengklasifikasi citra inderaja multispektral. Metode berbasis unsupervised yang diusulkan ini adalah integrasi dari metode feature extraction, hierarchical (hirarki) clustering dan partitional (partisi) clustering. Feature extraction dimaksudkan untuk mendapatkan komponen utama citra multispektral tersebut sekaligus mengeliminir komponen yang redundan, sehingga akan mengurangi kompleksitas komputasi. Histogram komponen utama ini dianalisa untuk lemlah terkonsentrasinya pixel dalam feature space, sehingga proses split dapat menghasilkan cluster dengan cepat.Beberapa cluster yang sangat mirip akan digabungkan oleh proses merge. Pada tahap akhir proses partisi akan mendeteksi prototype tiap cluster dengan Fuzzy C-Mean (FCM). Uji coba perangkat lunak ini dilakukan pada citra Landsat TM dan GOES-8. Hasilnya diukur berdasarkan homogenitas eksekusi dan nilai label contingency. Tabel ini akan membuktikan keberhasilan klasifikasi terhadap 800 sampel dari Jawa Timur yang sebelumnya telah dikenali. Untuk bahan perbandingan sampel diuji coba dengan algortima ISMC (Improve Split and Merge Classification), yang berdasarkan penelitian sebelumnya telah telah terbukti lebih baik dari pada ISODATA. Secara umum, uji coba menunjukkan keunggulannya dibandingkan ISMC."

"Detak jantung manusia dapat memberikan informasi yang berguna tentang aktivitas yang terjadi di dalam tubuh. Salah satu informasi yang dapat diperoleh dari rekaman detak jantung atau elektrokardiogram adalah tingkat keterlelapan tidur seseorang (sleep stages). Dari sinyal elektrokardiogram seseorang, tingkat keterlelapan tidurnya dapat dikenali dengan terlebih dahulu mengekstrak fitur yang merepresentasikan sinyal elektrokardiogram tersebut secara keseluruhan. Ekstraksi dilakukan agar dimensi data dapat tereduksi sehingga proses klasifikasi dapat lebih mudah dilakukan. Penelitian ini melakukan ekstraksi fitur fraktal dan morfologi dari sinyal elektrokardiogram yang diperoleh dari PhysioNet. Sebelum melakukan ekstraksi fitur morfologi dari sinyal elektrokardiogram, terlebih dahulu dilakukan “Wavelet Denoising” untuk menghilangkan noise yang terdapat pada sinyal.

---

Human heart rate can provide useful information about the activities that occur in the body. One of information which may be obtained from recording the heart rate or electrocardiogram is commonly called a person's level of deep sleep (sleep stages). From a person's electrocardiogram signal, the level of deep sleep recognizable by extracting features that represent the electrocardiogram signal as a whole. Extraction is done so that the dimension of the data can be reduced so that the classification process can be more easily done. This study aims to extract fractal features and morphology of the electrocardiogram signal obtained from PhysioNet. Prior to the extraction of morphological features of the electrocardiogram signal, first performed “Wavelet Denoising” to remove the noise contained in the signal."

"Penggunaan citra SAR untuk mendeteksi obyek-obyek pada permukaan bumi tanpa kontak langsung sangat cocok untuk daerah daerah yang sering tertutup awan dan kabut seperti di Kalimantan, Indpnesia. Penelitian ini akan membahasdeteksi perubahan penutup lahan menggunakan multitemporal Synthetic Aperture Radar (SAR) JERS pada daerah Kalimantan Tengah. Bising speekle yang merupakan sinyal tak bebas dan bekerja sebagai bising multiplikatif pada citra SAR akan diminimisasi dengan menggunakan algoritm wavelet atrous dan juga dilakuakn uji signifikan bising menggunakan Multiresolution Support. Penggunaan transformasi wavelet atrous adalah untuk mempermudah pengamatan struktur citra pada skala yang berbeda dengan tetap mempertahankan ukuran citra. Transformasi multiresolusi & tours menghasilkan satu set citra detil dengan skala yang berbeda dan satu citra approksimasi skala tertinggi. Dari citra-citra detil akan dapat diperoleh informasi dari objek-objek dalam citra. Selanjutnya dilakkukan unsupervised klasifikasi atau pengklusteran menggunakan Self-Organising Map (SOM) dari Jaringan Syaraf Tiruan karena tidak tersedianya data groundtruth. Klasifikasi pada citra detil skala tinggi akan memperlihatkan struktur dari objek-objek frekeunsi rendah. Sedang obyek-obyek dengan frekuensi tinggi hanya akan tampak pada beberapa citra skala rendah dan kemudian hilan. Deteksi perubahan penutup lahan pada penelitian ini menggunakan teknik Image Differensing yang dilakukan pada citra-citra detil multitemporal SAR. "