KLASIFIKASI CITRA HIPERSPEKTRAL PADA TUTUPAN LAHAN (LAND COVER) MENGGUNAKAN METODE REGULARIZED HYBRID CONVOLUTIONAL NEURAL NETWORK DENGAN OPTIMASI ADAPTIVE MOMENT ESTIMATION

EZRA, TAUFIQURRAHMAN (2023) KLASIFIKASI CITRA HIPERSPEKTRAL PADA TUTUPAN LAHAN (LAND COVER) MENGGUNAKAN METODE REGULARIZED HYBRID CONVOLUTIONAL NEURAL NETWORK DENGAN OPTIMASI ADAPTIVE MOMENT ESTIMATION. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK_EZRA TAUFIQURRAHMAN.pdf Download (5Mb) | Preview
	File PDF SKRIPSI FULL_EZRA TAUFIQURRAHMAN.pdf Restricted to Hanya staf Download (9Mb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN_EZRA TAUFIQURRAHMAN.pdf Download (9Mb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Pemanfaatan citra hiperspektral dapat memberikan detail dan akurasi yang lebih tinggi dalam memantau lingkungan serta mengelola sumber daya alam melalui analisis tutupan lahan (land cover). Hal ini dikarenakan citra hiperspektral memiliki informasi spektral pada berbagai panjang gelombang yang diambil sehingga dapat membedakan berbagai jenis material dan informasi pada permukaan bumi dengan detail dan akurat. Beragam penelitian serta metode telah dilakukan untuk mengembangkan model klasifikasi citra hiperspektral pada tutupan lahan, namun struktur model yang rumit serta performa yang belum optimal menjadi tantangan untuk mengatasi masalah klasifikasi citra hiperspektral. Penelitian ini berhasil menerapkan metode dengan struktur yang lebih sederhana dengan mengembangkan CNN menggunakan metode Regularized Hybrid CNN dengan optimasi Adaptive Moment Estimation yang diuji pada dataset citra hiperspektral tutupan lahan Pavia Center. Dalam penelitian ini, hasil akurasi tertinggi yang didapatkan pada dataset ini sebesar 99.25 untuk Overall Accuracy dan 97.50 untuk Average Accuracy. Penelitian ini juga menganalisis perbandingan performa dengan metode CNN konvensional lainnya. Kata kunci: Klasifikasi, Convolutional Neural Network, Hiperspektral.

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	Fakultas Teknik > Prodi S1-Teknik Elektro
Pengguna Deposit:	2308944250 . Digilib
Date Deposited:	04 Dec 2023 03:39
Terakhir diubah:	04 Dec 2023 03:39
URI:	http://digilib.unila.ac.id/id/eprint/77066

Actions (login required)

Lihat Karya Akhir