TUTORIAL PRINCIPAL COMPONENT ANALYSIS (PCA) & MINIMUM NOISE FRACTION (MNF) CITRA LANDSAT 8 LEMBANG скачать в хорошем качестве

TUTORIAL PRINCIPAL COMPONENT ANALYSIS (PCA) & MINIMUM NOISE FRACTION (MNF) CITRA LANDSAT 8 LEMBANG

Transformasi PCA merupakan suatu metode multivariat yang digunakan dalam mereduksi pita spektral. PCA merupakan proses rotasi data yang berfungsi dalam mendapatkan data baru dengan jumlah yang sedikit, namun memiliki informasi yang efektif (PC band tidak saling terikat, sehingga objek dan kontras dapat lebih dibedakan). PCA mampu menegaskan jumlah dimensi yang ada dalam data set dan sumbu principal dari variabilitas, juga menekan noise/gangguan yang ada pada saluran asli citra dan menempatkannya pada PC band terakhir. Hasil Transformasi PCA adalah sekelompok pita yang diproyeksikan (fitur, komponen) berdasarkan variansnya. Sedangkan, MNF merupakan fraksi gangguan minimum pada data digital (adanya noise dapat menyebabkan hilangnya resolusi spasial citra dan dapat menurunkan kualitas deteksi objek melalui klasifikasi dan segmentasi citra). Parameter yang digunakan dalam MNF yaitu input image, output noise statistics, output MNF stats, dan Number output MNF bands. Apabila parameter tersebut telah dipenuhi maka akan muncul grafik eigen value (semakin besar nilai eigen, maka semakin besar perbedaannya/noisenya akan semakin kecil). MNF biasa digunakan untuk mereduksi dan menghilangkan noise pada data penginderaan jauh, terutama pada citra hiperspektral. Sumber Data: https://earthexplorer.usgs.gov/ Sumber Literasi: 1. Analisis Saluran Spektral yang Paling Berpengaruh dalam Identifikasi Kesehatan Terumbu Karang: Studi Kasus Pulau Menjangan Besar dan Menjangan Kecil, Kepulauan Karimun Jawa (https://www.researchgate.net/publicat.... 2. The Effect of Minimum Noise Fraction on Multispectral Imagery Data for Vegetation Canopy Density Modelling. (https://ejournal.undip.ac.id/index.ph...) Nama: Nabila Shovina Putri NIM: 2004591 Dosen Pengampu: Riki Ridwana, S.Pd., M.Sc. & : Shafira Himayah, S.Pd., M.Sc. Program Studi Sains Informasi Geografi Fakultas Pendidikan Ilmu Pengetahuan Sosial Universitas Pendidikan Indonesia