Penerapan Metode K-Nearest Neighbor Untuk Klasifikasi Tutupan Lahan

Febriana Santi Wahyuni, Hani Zulfia Zah'ro, A. Sasmito, Mukhammad Zainul Musyafa
{"title":"Penerapan Metode K-Nearest Neighbor Untuk Klasifikasi Tutupan Lahan","authors":"Febriana Santi Wahyuni, Hani Zulfia Zah'ro, A. Sasmito, Mukhammad Zainul Musyafa","doi":"10.36040/seniati.v7i1.7936","DOIUrl":null,"url":null,"abstract":"Tutupan lahan adalah jenis hamparan objek yang menutupi permukaan bumi, misalnya tumbuhan tanaman keras. Perkembangan data penginderaan jauh dari foto  udara hingga fotografi digital tidak lepas dari sejarah  perkembangan komputer. Pengolahan data penginderaan jauh yang memerlukan interpretasi visual dengan teknik manual beralih ke teknik analisis digital,  oleh karena itu penggunaannya semakin berkembang dengan beragam teknik  untuk meningkatkan akurasi hasil. Keuntungan  analisis citra komputer adalah mengurangi unsur subjektif dalam penilaian manusia. Salah satu kendala dalam mengidentifikasi pola spektral  data penginderaan jauh adalah resolusi gambarnya, dimana semakin tinggi resolusi maka volume data semakin besar dan algoritma  analisis  semakin kompleks. Oleh karena itu, sejumlah algoritma mulai dikembangkan  untuk mampu menyimpan data dalam jumlah  besar, menganalisis dan memvalidasinya.  Pendekatan berbasis pengetahuan kemudian mulai beralih ke pendekatan berbasis data, yang merupakan titik temu antara statistik dan ilmu komputer, khususnya machine learning. Algoritma K-Nearest Neighbor (K-NN) adalah sebuah metode klasifikasi terhadap sekumpulan data maupun dokumen berdasarkan pembelajaran  data yang sudah terklasifikasikan sebelumnya.  Algoritma ini termasuk dalam supervised learning, dimana hasil query instance yang baru diklasifikasikan berdasarkan mayoritas kedekatan jarak dari kategori yang ada dalam K-NN. Tujuan dari penelitian ini adalah mengklasifikasi tutupan lahan dengan menggunakan metode K Nearest Neighbor.  Setelah melalui proses pengujian diperoleh tingkat akurasi dari system sebesar 67% dan error rate sebesar 33%.","PeriodicalId":508658,"journal":{"name":"Prosiding SENIATI","volume":"18 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-12-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Prosiding SENIATI","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36040/seniati.v7i1.7936","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Tutupan lahan adalah jenis hamparan objek yang menutupi permukaan bumi, misalnya tumbuhan tanaman keras. Perkembangan data penginderaan jauh dari foto  udara hingga fotografi digital tidak lepas dari sejarah  perkembangan komputer. Pengolahan data penginderaan jauh yang memerlukan interpretasi visual dengan teknik manual beralih ke teknik analisis digital,  oleh karena itu penggunaannya semakin berkembang dengan beragam teknik  untuk meningkatkan akurasi hasil. Keuntungan  analisis citra komputer adalah mengurangi unsur subjektif dalam penilaian manusia. Salah satu kendala dalam mengidentifikasi pola spektral  data penginderaan jauh adalah resolusi gambarnya, dimana semakin tinggi resolusi maka volume data semakin besar dan algoritma  analisis  semakin kompleks. Oleh karena itu, sejumlah algoritma mulai dikembangkan  untuk mampu menyimpan data dalam jumlah  besar, menganalisis dan memvalidasinya.  Pendekatan berbasis pengetahuan kemudian mulai beralih ke pendekatan berbasis data, yang merupakan titik temu antara statistik dan ilmu komputer, khususnya machine learning. Algoritma K-Nearest Neighbor (K-NN) adalah sebuah metode klasifikasi terhadap sekumpulan data maupun dokumen berdasarkan pembelajaran  data yang sudah terklasifikasikan sebelumnya.  Algoritma ini termasuk dalam supervised learning, dimana hasil query instance yang baru diklasifikasikan berdasarkan mayoritas kedekatan jarak dari kategori yang ada dalam K-NN. Tujuan dari penelitian ini adalah mengklasifikasi tutupan lahan dengan menggunakan metode K Nearest Neighbor.  Setelah melalui proses pengujian diperoleh tingkat akurasi dari system sebesar 67% dan error rate sebesar 33%.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
K 最近邻法在土地覆被分类中的应用
土地覆被是一种覆盖地球表面的物体叠加,如多年生植物。从航空摄影到数字摄影,遥感数据的发展离不开计算机的发展史。遥感数据处理需要用人工技术进行目视判读,现在正在向数字分析技术转变,因此,它的使用越来越多,并采用了各种技术来提高结果的准确性。计算机图像分析的优势在于减少了人类判断中的主观因素。识别遥感数据光谱模式的制约因素之一是图像分辨率,分辨率越高,数据量越大,分析算法也就越复杂。因此,人们开发了各种算法来存储大量数据,并对其进行分析和验证。 基于知识的方法正在转向数据驱动的方法,这是统计学和计算机科学,特别是机器学习的交叉学科。K-Nearest Neighbor(K-NN)算法是一种基于学习先前分类数据对一组数据或文档进行分类的方法。 该算法包含在监督学习中,新查询实例的结果是根据与 K-NN 中现有类别距离的近似程度的多数进行分类的。本研究的目的是利用 K 近邻法对土地覆被进行分类。 经过测试,系统的准确率为 67%,错误率为 33%。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Sistem Informasi Manajemen Paper dalam Pelaksanaan Seminar Nasional UI/UX Design Aplikasi Belajar Online (SIKI) Menggunakan Metode Design Thingking Kinetika Reaksi Esterifikasi Asam Lemak Bebas dengan Metanol Menggunakan Katalis Asam Sulfat dan Adsorben Natrium Sulfat Analisis Strategi Mitigasi Risiko Pada Rantai Pasok Perbaikan Kualitas Produk Menggunakan Metode Quality Control Circle (QCC) dan Plan, Do, Check, Action (PDCA)
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1