Representasi Data Wilayah

Slides:



Advertisements
Presentasi serupa
ANALISIS DATA SPASIAL.
Advertisements

PERBEDAAN PIXEL DAN VEKTOR
KONSEP MANAJEMEN BASIS DATA Sistem Informasi Geografis
GIS : Hardware & Software
Convolution and Correlation
Geographic Information and Spatial Information
Grafika Komputer (TIZ10) Grafik 3D Disusun oleh Teady Matius Prodi Teknik Informatika – Universitas Bunda Mulia.
KOMPONEN SIG TATAP MUKA IV.
FUNGSI SIG TATAP MUKA V.
MANAJEMEN DATA SIG.
Sistem Informasi Geografis
Faculty of Computer Science University of Indonesia Dr. Aniati Murni
GIS Data Model for Multiple Coverages (Disarikan dari: Fundamentals of GIS, M.N. Demers, 2000, pp. 36, 52-53) Faculty of Computer Science University of.
KONSEP DATA GEOSPASIAL
Eliminasi Gangguan Awan Pada Citra Optik
PENGANTAR GRAFIK KOMPUTER DAN OLAH CITRA
GALIH WASIS WICAKSONO TEKNIK INFORTIKA UMM
Recognition & Interpretation
Pengolahan Citra Digital: Transformasi Citra (Bagian 1 : FT – DCT)
Oleh: Dr. Ir. Abdul Madjid Rohim, MS JURUSAN TANAH FAKULTAS PERTANIAN
GALIH WASIS WICAKSONO TEKNIK INFORMATIKA UMM
Pemrograman Terstruktur
GALIH WASIS WICAKSONO TEKNIK INFORMATIKA UMM
Feature / Ciri / Object Descriptor
Perspective & Imaging Transformation
Features / Ciri / Deskripsi Obyek
Pertemuan 7 Pengolahan Citra Digital
Kompresi Citra dan Reduksi Data
KONSEP-KONSEP DALAM MANAJEMEN BASIS DATA SIG. -Basis data spasial yaitu: -sekumpulan entity baik yang memiliki lokasi atau posisi tetap maupun tidak tetap.
Pertemuan 02 Komponen SIG (1) : Hardware, Software, Data Spasial
SISTEM INFORMASI GEOGRAFI TKW 303
Metodologi Hybrid Berdasar Informasi Spasial dan Spektral Unsupervised dan Supervised Prof.Dr. Aniati Murni (R 1202) Dina Chahyati, M.Kom, (R 1226) Fakultas.
Convolution and Correlation
1 Pertemuan 5 Deteksi Bentuk Primitif Obyek 2D Matakuliah: T0283 – Computer Vision Tahun: 2005 Versi: Revisi 1.
Junta Zeniarja, M.Kom, M.CS
Sistem Informasi Geografis
PENGANTAR GRAFIK KOMPUTER DAN OLAH CITRA
Sistem informasi GEOGRAFIS
Sistem Informasi Geografis Model Data Spasial Cut Zyllan Zelila, ST. MKM.
Dasar Pengolahan Video Digital
ArcView Merupakan salah satu perangkat lunak dekstop SIG
MODUL14 Segmentasi Citra
Sistem Informasi Geografis
BAB V Transformasi Citra
BAB VIII Representasi Citra
Model Data Spasial.
SIG Model Data Spasial.
GEOGRAPHIC INFORMATION SYSTEM
Faculty of Computer Science University of Indonesia Dr. Aniati Murni
Pemetaan Digital Geographic Information System (2 SKS) Semester II – TA 2008/2009 Politeknik Caltex Riau.
Sistem Informasi Geografis (SIG)
Sistem Informasi Geografis (SIG)
PENGOLAHAN CITRA DIGITAL : PENGENALAN POLA TEMPLATE MATCHING
Geographic Information and Spatial Information
Oleh: Dr. Ir. Abdul Madjid Rohim, MS JURUSAN TANAH FAKULTAS PERTANIAN
Sistem Informasi Geografis
TRANSFORMASI DATA SPASIAL
Representasi Data Wilayah
TEORI PENGOLAHAN DATA DALAM SISTEM INFORMASI GEOGRAFIS
Oleh: Dr. Ir. Abdul Madjid Rohim, MS JURUSAN TANAH FAKULTAS PERTANIAN
PENGANTAR GRAFIK KOMPUTER DAN OLAH CITRA
Faculty of Computer Science University of Indonesia
ANALISIS DATA SPASIAL.
PENGANTAR GRAFIK KOMPUTER DAN OLAH CITRA
PENGOLAHAN CITRA DIGITAL : PENGENALAN POLA TEMPLATE MATCHING
PENGOLAHAN CITRA DIGITAL : TRANSFORMASI CITRA (2)
KONSEP-KONSEP DALAM MANAJEMEN BASIS DATA SIG
PETA DAN PERPETAAN DR. EKO BUDIYANTO, M. Si..
MODUL.1 DATA SPASIAL DAN DATA NON SPASIAL
PENGANTAR GRAFIK KOMPUTER DAN OLAH CITRA
Transcript presentasi:

Representasi Data Wilayah Prof.Dr. Aniati Murni (R 1202) Dina Chahyati, MKom (R 1226) Fakultas Ilmu Komputer Universitas Indonesia

Representasi Data Wilayah Vector: area (polygon) Raster: relational table Raster : quadtree

Representasi Vektor – Polygon-based Wilayah dinyatakan dalam representasi polygon, yaitu list titik-titik (x,y) yang terhubung membentuk closed loop.

Representasi Raster – Relational Table Wilayah dinyatakan dalam table yang terdiri dari record dengan attribute-attribute-nya.

Representasi Raster - Quadtree Quadtree data structure: Representasi Quadtree:

Representasi Quadtree Contoh Citra: 8x8 = 64 bytes Representation Code: 0 0 0 0 1 1 0 0 0 0 0 1 1 1 1 0 0 0 1 1 1 1 1 0 dst.nya 0 0 1 1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 Informasi Yang Disimpan: data 33 cells Quadtree Traversal: bisa Preorder Traversal atau Depth-First Search

Tujuan konversi format citra Data citra tidak selalu disimpan dalam bentuk matriks (visual format) yang memerlukan tempat penyimpanan data yang besar Representasi data citra yang tidak berbentuk matriks (non-visual format) biasanya dilakukan untuk tujuan: Untuk memudahkan manipulasi data, contoh proses pengenalan bentuk jaringan sakit yang direpresentasi sebagai koordinat garis batas wilayah obyek Untuk menghemat tempat penyimpanan data, contoh: pada basis data spasial yang biasanya citra perlu dikompresi

Metode representasi data lainnya Directional Chain Code Run-Length Code

Directional Chain Code Representation Code: Citra: Citra berukuran 8x8 bytes = 64 bytes Informasi yang disimpan: Posisi awal (x,y) dan arah 0 7 6 6 6 5 5 3 3 2 1 2 1 Yaitu sebanyak 15 bytes

Run-Length Code Contoh Citra: 8x8 = 64 bytes Representation Code: 0 0 0 0 1 1 0 0 0 0 0 1 1 1 1 0 0 0 1 1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 Informasi Yang Disimpan: 22 pairs of integers = 44 bytes (0,3), (1,2), (0,2) (0,3), (1,4), (0,1) (0,2), (1,5), (0,1) (0,3), (1,3), (0,3) (0,4), (1,1), (0,3) (0,8)

Feature Extraction and Selection Ekstraksi ciri yang merepresentasikan / merupakan measure karakteristik obyek, dan potensial untuk membedakan obyek-obyek yang ada pada citra Feature Selection Ciri yang tersedia bisa banyak, masalahnya adalah bagaimana memilih kombinasi ciri terbaik yang dapat mengenali setiap obyek dengan akurat. Kemudian berkembang berbagai metode seleksi ciri: pendekatan bottom up atau top down, pendekatan filter atau wrapper, pendekatan lainnya.

Beberapa phenomena Curse of dimensionality Peak phenomenom: Peningkatan dimensi ciri tidak menjamin peningkatan ketelitian pengenalan Peak phenomenom: Peningkatan jumlah ciri sampai pada tingkat tertentu akan meningkatkan ketelitian pengenalan, lebih dari jumlah ciri tersebut akan menurunkan tingkat pengenalan

Beberapa metode seleksi ciri SFS (Sequential Forward Selection – bottom up) SBS (Sequential Backward Selection – top down) SFFS (Sequential Forward Floating Selection) Genetic Algorithm Metode seleksi ciri terdiri dari 2 proses: Search ciri Cek criterion function and combine feature Pendekatan metode seleksi (criterion function) Filter (Bhattacarya distance) Wrapper (Classification method)