Buku Prosiding Seminar Nasional Tahun 2012 - ELEKTRO ...

T I | 292. Untuk 2 data citra Radar yang digunakan padapenelitian ini, maka akurasi klasifikasi global padadata citra ciri daerah Sumatera Selatan lebih tinggidibanding data citra ciri daerah Kalimantan Timur,untuk subset 2ciri terbaiksampai dengan 10ciriterbaik , baik menggunakan metode pemilihan ciriSFFS maupun Transformasi Komponen Utama.3. Pada citra ciri daerah Sumatera Selatan, untuk hasilpemilihan dengan metode SFFS, maka akurasiklasifikasi kelas air selalu lebih tinggi dibandingdengan kelas hutan atau kelas daerah terbuka padasubset ciri dengan ukuran yang sama, tetapi tidakberlaku pada hasil pemilihan dengan metodeTransformasi Komponen Utama.4. Pada citra ciri daerah Kalimantan Timur, untuk hasilpemilihan dengan metode SFFS, maka akurasiklasifikasi kelas perkampungan dan persawahanselalu lebih tinggi dibanding dengan kelas hutan ataukelas air pada subset ciri dengan ukuran yang sama,tetapi tidak berlaku pada hasil pemilihan denganmetode Transformasi Komponen Utama.DAFTAR PUSTAKA[1] Chahyati, Dina.,Klasifikasi Citra InderajaBerdasarkan Ciri Tekstur Semivariogram danMatriks Co-occurrence, Skripsi: ProgramSarjana Universitas Indonesia, Maret 2000.[2] Huber,R. and Dutra,L.V., ClassifierCombination and Feature Selection for Land-Cover Mapping from High-Resolution AirborneDual-Band SAR Data, Proceedings WorldMulticonference Systemics, Cybernetics andInformatics., Volume V, Image, Acoustic,Speech and Signal Processing: Part I, July, 23-26, 2000, Orlando, Florida, USA, pp.370-375.[3] Jain,A. and Zongker,D., FeatureSelection:Evaluation, Application and SmallSample Performance, IEEE Trans. On PAMI,Vol.19,No.2, 1997, pp.153-158.[4] Kudo,M. and Sklansky,J., Comparison ofAlgorithms that Select Features for PatternClassifiers, Pattern Recognition 33(2000),1999,pp.25-41.[5] Lillesand,T.M. and Kiefer,R.W., RemoteSensing and Image Interpretation, John Wiley& Sons, Inc.,1994[6] Mulyono dan Aniati Murni Arimurty,Pemilihan Ciri Data Citra Penginderaan JauhDengan Menggunakan Metode TransformasiKomponen Utama, ProsidingSeminar NasionalTeknik Elektro (SNTE 2011), ISBN:978-602-97832-0-9, September 2011, hal.TI|7-TI|12.[7] Mulyono dan Aniati Murni Arimurty,Perbandingan Pemilihan Fitur SequentialForward Floating Selection (SFFS) danKorelasi Secara Visual pada Data Citra Optik,JMAP Vol. 10 No.2, ISSN: 1412-8632,September 2011, hal. 38-49.[8] Mulyono, Aniati Murni Arimurty dan DinaCahyati, Pemilihan Fitur Pada Data CitraPenginderaan Jauh dengan AlgoritmaSequential Forward Floating Selection (SFFS),Jurnal TEKNOLOGI Vol.1 No.2, ISSN:1643-0266, Desember 2011, hal.109-122.[9] Mulyono, Evaluasi Metode Pemilihan CiriDengan Pengklasifikasi Maximum LikelihoodGaussian Pada Data Penginderaan Jauh,Tesis: Program Pascasarjana UniversitasIndonesia, Nopember 2000.[10] Mulyono, Kajian Suatu Metode PemilihanFitur Dengan Pengklasifikasi MaximumLikelihood Gaussian, Prosiding SeminarNasional Matematika Universitas KatolikParahyangan Fakultas Teknologi Informasi danSains, Vol. 6 Thn. 2011, ISSN 1907-3909, hal.189-196.[11] Murni,A., Feature Selection Method in RadarImage Classification: A Case Study, DataManagement and Modelling Using RemoteSensing and GIS for Tropical Forest LandInventory, Rodeo International Publishers,Jakarta, 1999, pp.231-239.[12] Pudil, P., Novovicova,J. and Kittler, J.,Floating Search Methods in Feature Selection,Pattern Recognition Letters 15, No.11, 1994,pp.1119-1125.[13] Zongker, D., Algorithms for Feature Selection,CPS 802, 1995..ISBN: 978-602-97832-0-9SNTE-2012