Buku Prosiding Seminar Nasional Tahun 2012 - ELEKTRO ...

T I | 23KAJIAN PEMILIHAN CIRI SEQUENTIAL FORWARD FLOATINGSELECTION (SFFS) DAN TRANSFORMASI KOMPONEN UTAMA PADADATA CITRA RADAR SKALA KECILMulyono 1 , Aniati Murni Arimurty 2 , Dina Cahyati 31. FMIPA Matematika UNJ, Jl. Pemuda No. 10 Rawamangun, Jakarta Timur 132202. Fakultas Ilmu Komputer Universitas Indonesia, Kampus UI Depok Jawa Barat 16424E-mail: mulyono_unj_2006@yahoo.co.id 1 , aniati@cs.ui.ac.id, dina@cs.ui.ac.id2AbstrakPemilihan ciri merupakan suatu metode yang bertujuan untuk mendapatkan subset ciri yang optimal. Ciri-ciri yangdipilih adalah ciri-ciri citra yang diperoleh melalui sistem penginderaan jauh. Pada tulisan ini mengkaji metodepemilihan ciri SFFS dan Transformasi Komponen Utama pada data citra radar skala kecil, yaitu tiap-tiap data berisikurang dari 20 ciri.Sebagai data tes, digunakan dua data uji, yaitu data citra radar daerah Sumatera Selatan danKalimantan Timur. Akurasi klasifikasi global terbesar yang didapat dengan metode SFFS untuk kedua data uji secaraberturut-turut adalah sebagai berikut: pada data citra daerah Sumatera Selatan sebesar 94,02.% dan pada data citradaerah Kalimantan Timur sebesar 91,17%. Untuk metode Transformasi Komponen Utama, akurasi klasifikasi globalterbesar yang didapat untuk data citra Sumatera Selatan adalah 89,96 % dan untuk data citra daerah Kalimantan Timuradalah 76,88%.AbstractSTUDY OF FEATURE SELECTION SEQUENTIAL FORWARD FLOATING SELECTION (SFFS) ANDPRINCIPLE COMPONENT TRANSFORM (PCT) OF SMALL SCALE RADAR IMAGE DATA. Featureselection is a method which has aim to obtained an optimum feature subset. The selected features are image featuresthat obtained through remote sensing system. On this work, we study about SFFS and PCT for small scale radar imagedata where each data has less than 20 features. As a data test, we used radar image data for South Sumatera and NorthKalimantan regions. The biggest global acuration classification which obtained by SFFS method for both data test are94.02 % and 91.17 % for South Sumatera and North Kalimantan respectively. While for PCT method, the biggestglobal acuration classification are 89.96 % and 76.88 % for South Sumatera and North Kalimantan respectively.Keywords: radar iamges, remote sensing, Sequential Forward Floaing Selection (SFFS), Principal componentTransform(PCT)1. PendahuluanPada artikel sebelumnyaMulyono dan kawankawan(2011)menyatakan sebagai berikut : “ Dimensiatau ukuran dari subsetciri bisa sangat besar danpemrosesan data dalam dimensi yang besar memerlukantempat penyimpanan dan waktu proses yang besar pula.Pemilihan ciri diperlukan untuk mendapatkan subset ciriyang optimal untuk tujuan interpretasi citra.Sudahbanyak algoritma pemilihan ciri yang dikembangkanuntuk mendapatkan subsetciri yang optimal tersebut. ”.ISBN: 978-602-97832-0-9Pada tulisan ini digunakan pendekatan pemilihan ciriSFFS dan Transformasi Komponen UtamaatauPrincipal Component Transform (PCT) untukmendapatkan subset ciri yang optimal tersebut.Tulisan ini merupakan hasil kajian dari dua metodepemilihan ciri, yaitu metode SFFS dan TransformasiKomponen Utama.SNTE-2012