SEGMENTASI DATA AWAN SATELIT HIMAWARI 8 DENGAN ALGORITMA EXPECTATION MAXIMIZATION (EM) MENGGUNAKAN GAUSSIAN MIXTURE MODELS (GMM)

dc.contributor.authorZaeni, Ahmad
dc.contributor.authorYan Puspitarani (Pembimbing)
dc.date.accessioned2026-09-12T04:40:56Z
dc.date.available2026-09-12T04:40:56Z
dc.date.issued2024
dc.description.abstractPenelitian 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.
dc.identifier.urihttps://repository.widyatama.ac.id/handle/123456789/110986
dc.language.isoother
dc.publisherProgram Studi S1 Informatika
dc.relation.ispartofseries40622110006
dc.titleSEGMENTASI DATA AWAN SATELIT HIMAWARI 8 DENGAN ALGORITMA EXPECTATION MAXIMIZATION (EM) MENGGUNAKAN GAUSSIAN MIXTURE MODELS (GMM)
dc.typeThesis
Files
Original bundle
Now showing 1 - 5 of 14
Loading...
Thumbnail Image
Name:
1. cover.pdf
Size:
75.18 KB
Format:
Adobe Portable Document Format
Description:
Loading...
Thumbnail Image
Name:
2. Lembar Pengesahan.pdf
Size:
920.36 KB
Format:
Adobe Portable Document Format
Description:
Loading...
Thumbnail Image
Name:
3. Surat Pernyataan.pdf
Size:
381.72 KB
Format:
Adobe Portable Document Format
Description:
Loading...
Thumbnail Image
Name:
4. abstrak.pdf
Size:
110.21 KB
Format:
Adobe Portable Document Format
Description:
Loading...
Thumbnail Image
Name:
5 .kata pengantar.pdf
Size:
168.43 KB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: