Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Zaeni, Ahmad"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    SEGMENTASI DATA AWAN SATELIT HIMAWARI 8 DENGAN ALGORITMA EXPECTATION MAXIMIZATION (EM) MENGGUNAKAN GAUSSIAN MIXTURE MODELS (GMM)
    (Program Studi S1 Informatika, 2024) Zaeni, Ahmad; Yan Puspitarani (Pembimbing)
    Penelitian ini bertujuan untuk mengembangkan metode segmentasi data awan pada data satelit Himawari 8 menggunakan Algoritma Expectation Maximization (EM) dengan Gaussian Mixture Models (GMM). Melalui studi literatur, data dari satelit Himawari 8 diperoleh dari situs JAXA Himawari Monitor, dan dilakukan praproses data untuk memastikan kualitas data yang baik. Parameter yang optimal untuk implementasi algoritma EM-GMM diidentifikasi melalui beberapa eksperimen. Hasil segmentasi dievaluasi dengan menggunakan silhouette score, AIC score, dan BIC score. Analisis hasil segmentasi memberikan pemahaman tentang distribusi awan, potensial untuk meningkatkan pemantauan cuaca dan prediksi kondisi cuaca. Penelitian ini memiliki implikasi praktis dalam pengembangan metode analisis data awan pada satelit Himawari-8. Pada peneilitan ini hasil clustering dengan visualiasi terbaik didapatkan pada kombinasi parameter 8 dan parameter 9 yang didukung dengan skor silhouette di atas 0.5 saat n cluster sama dengan 3. Jumlah n cluster pada parameter 8 dan 9 sama dengan 3 juga merupakan rekomendasi dari elbow method. Selain itu, parameter 8 dan 9 memiliki penalti AIC dan BIC pada n cluster sama dengan 5 dan 7. Namun saat n cluster sama dengan 3, skor AIC dan BIC pada kombinasi parameter 8 dan 9 lebih baik dari kombinasi parameter yang lain dengan skor sebesar 21.500. Jika n cluster semakin banyak juga dapat mengindikasikan model yang kompleks dan belum tentu menangani overfitting.

PTI copyright © 2002-2026

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback