ROHANAH, NENENG (2018) KLASIFIKASI AWAN DARI CITRA SATELIT NOAA MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION. S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.

	Text (Fulltext) FULL EDITION NENENG ROHANAH (3332141720).pdf Restricted to Registered users only Download (7MB)
	Text (Abstrak) ABSTRAK NENENG ROHANAH (3332141720).pdf Download (153kB)

Abstract

Citra awan satelit NOAA 18 dan 19 menjadi salah satu informasi penting untuk perkiraan cuaca dan analisis iklim. Tipe awan pada citra satelit dibedakan berdasarkan ketinggiannya yaitu awan rendah, awan tengah, dan awan tinggi. Penelitian ini membandingkan metode segmentasi multilevel thresholding dan metode FCM (Fuzzy C-Mean). Data hasil segmentasi dengan kedua metode tersebut diklasifikasi menggunakan metode LVQ. Hasil penelitian ini memperoleh akurasi pengenalan data awan yang disegmen menggunakan multilevel thresholding sebesar 72,22 % dan data awan yang disegmen menggunakan FCM sebesar 83,33 %.

Item Type:	Thesis (S1)
Contributors:	Contribution Contributors NIP/NIM Thesis advisor Wiryadinata, Romi UNSPECIFIED
Uncontrolled Keywords:	Klasifikasi, Citra satelit NOAA, Awan, LVQ
Subjects:	H Social Sciences > H Social Sciences (General) Q Science > Q Science (General)
Divisions:	03-Fakultas Teknik > 20201-Jurusan Teknik Elektro
Depositing User:	Perpustakaan FT
Date Deposited:	20 Jun 2024 15:40
Last Modified:	20 Jun 2024 15:40
URI:	http://eprints.untirta.ac.id/id/eprint/36479

Actions (login required)

View Item