Hasil Pencarian  ::  Simpan CSV :: Kembali

"Perkembangan teknologi pada bidang penginderaan jauh (inderaja) membutuhkan teknik kompresi data yang optimal yaitu menghasilkan kompresi rasio yang tinggi akan tetapi tetap mempertahankan kualitas data. Sehingga hasil kompresi data tersebut masih dapat diterima dan digunakan untuk aplikasi inderaja. Salah satu teknik kompresi data inderaja yang baru adalah teknik kompresi hybrid yaitu menggabungkan teknik reduksi redundansi spektral dan reduksi redundansi spasial. Redundansi spektral dilakukan interband prediction yaitu memprediksi image band tertentu dari referensi image band lainnya. Sedangankan pada reduksi redundansi spasial digunakan image coding yang berbasis wavelet transform. Hingga saat ini tetap dilakukan penelitian dan pengembangan teknik kompresi dengan tujuan mendapatkan kualitas data sebaik mungkin dengan kompresi rasio sebesar mungkin.Pada penelitian ini dilakukan analisis teknik kompresi hybrid untuk data inderaja banyak kanal MODIS. Teknik kompresi yang digunakan merupakan pengembangan dari teknik yang sudah existing (Yuan-Xiang Li, et.al). Hasil simulasi dan analisis kompresi data satelit inderaja MODIS dengan teknik kombinasi prediksi interband linier dan skip image band tertentu dengan menggunakan level dekomposisi transform wavelet yang lebih tinggi menghasilkan nilai PSNR yang besar (40 dB) dengan kompresi rasio hingga 80 kali. Data kompresi hasil dari teknik yang dikembangkan ini dapat digunakan untuk aplikasi data penginderaan jauh MODIS khususnya untuk pengamatan obyek pada permukaan bumi dengan cakupan skala global.

---

The remote sensing technology development need optimal data compression technique that result higher compression ratio but still prevent the data quality so the compressed data still can be used for remote sensing application. One of the new data compression technique is hybrid technique which combine reduction redundant spectral and spatial. The schema for reduction redundant spectral use prediction image band with other image band as reference and the schema for reduction redundant spatial use image coding base on wavelet transform.The goal of this research is to analyze the improvement of the existing compression technique (Yuan-Xiang Li et.al) for MODIS data. The analysis have shown that the combine technique interband prediction with skip some images band and by higher decomposition of wavelet transform can be achieve good PSNR (40 dB) which have compression ratio up to 80 times. From this result compressed data still can be used for remote sensing application especially for identification some objects on earth with global observations."

"Identifikasi jenis material atap bangunan sangat dilakukan untuk bermacam pemanfaatan dari pemodelan cuaca mikro hingga analisis resiko bencana. Penelitian identifikasi jenis material atap bangunan telah dilakukan dengan menggunakan data hiperspektral, data lapangan, laboratorium serta data satelit penginderaan jauh masih memerlukan peningkatan akurasi. Penelitian ini bertujuan untuk mengembangkan metode spektroskopi reflektansi menggunakan kombinasi kanal spektral pada fusi data satelit penginderaan jauh resolusi resolusi spasial sangat tinggi (50 cm) dengan menerapkan koreksi spekular, masking vegetasi serta machine learning Random Forest untuk meningkatkan akurasi identifikasi jenis material atap bangunan. Metode yang dikembangkan menghasilkan akurasi untuk material aluminium, asbes, keramik, beton, genteng pasir besi dengan akurasi total 97.48% dengan nilai Kappa 0,958. Fusi data Pleiades dan Landsat-8 dilakukan untuk memperoleh data SWIR dengan panjang gelombang 2107–2294 nm dan resolusi spasial 50 cm untuk analisis spektral, sehingga identifikasi jenis material atap bangunan asbes dapat diidentifikasi dengan akurasi 95%. Koreksi spekular dan masking vegetasi meningkatkan akurasi identifikasi jenis material atap bangunan 8-12% sebagai perbaikan koreksi radiometrik dalam pengolahan data resolusi sangat tinggi.

---

Identification of the type of building roof material is widely used for various application from micro weather modeling to disaster risk analysis. Research on the identification of the type of building roof material has been carried out using hyperspectral data, field data, laboratories and remote sensing satellite data still requires increased accuracy. This study aims to develop method spectroscopy reflectance using a spectral channel combination on remote sensing satellite data fusion with very high spatial resolution (50 cm) by applying specular correction, vegetation masking and Random Forest machine learning to improve the accuracy of identifying the type of building roof material. The developed method produces accuracy for aluminum, asbestos, ceramic, concrete, iron sand tiles with a total accuracy of 97.48% with a Kappa value of 0.958. Pleiades and Landsat-8 data fusion was carried out to obtain SWIR data with a wavelength of 2107–2294 nm and a spatial resolution of 50 cm for spectral analysis, so that the identification of the type of asbestos roof material can be identified with an accuracy of 95%. Specular correction and vegetation masking increase the accuracy of identifying the type of building roof material by 8-12% as an improvement in radiometric correction in very high spatial resolution (50 cm) data processing."