Hallo Sobat Gisser.. teknologi tak terlepas dari kehidupan manusia saat. Dalam kehidupan sehari-hari kita selalu ditemani oleh gadget. Teknologi melahirkan kemudahan dalam menemani pekerjaan manusia saat ini, bahkan tak sedikit dari teknologi sudah mampu mengerjakan pekerjaan secara mandiri dan lebih cepat dari manusia. Istilah tersebut biasa dikenal dengan istilah Machine Learning, dimana komputer akan mempelajari data dan mengolahnya secara mandiri. Hal ini terlihat pada pengguaan teknologi penginderaan jauh dalam menghasilkan prediksi untuk memetakan atau menggambarkan informasi suatu wilayah. Lebih jelasnya akan kita bahas di bawah ini. Cekidot...
Machine learning adalah sistem dimana komputer melakukan pembelajaran pada setiap data yang di input. Dalam machine learning metode random forest sering digunakan untuk menyelesaikan permasalahan salah satunya yaitu dalam mengestimasi tutupan lamun. Metode random forest merupakan salah satu metode dalam decision tree. Decision tree atau pohon pengambil keputusan adalah sebuah diagram alir yang berbentuk seperti pohon yang memiliki sebuah root node yang digunakan untuk mengumpulkan data. Sebuah inner node yang berada pada root node yang berisi tentang pertanyaan tentang data dan sebuah leaf node yang digunakan untuk memecahkan masalah serta membuat keputusan. Decision tree mengklasifikasikan suatu sampel data yang belum diketahuikelasnya ke dalam kelas-kelas yang ada. penggunaan decision tree agar dapat menghindari overfitting pada sebuah set data saat mencapai akurasi yang maksimum (Breiman, 20010.
Random forest adalah kombinasi dari masing-masing tree ynag baik kemudian dikombinasikan ke dalam satu model. random forest bergantung pada sebuah nilai vector random dengan distribusi yang sama pada semua pohon yang masing-masing decision tree memiliki kedalaman yang maksimal. Random forest adalah classifier yang terdiri dari classifier yang berbentuk pohon {h(x, θ k ), k = 1, . . .} dimana θk adalah random vector yang didistribusikan secara independen dan masing-masing tree pada sebuah unit kan memilih kelas yang paling popular pada input X (Breiman, 2001).
Pada machine learning, random forest diintegrasikan ke dalam EnMap Box melalui imageRF, alat berbasis IDL untuk klasifikasi terbimbing dan analisis regresi data citra penginderaan jauh. Kemudiaan mengimplementasikan pendekatan machine learning dari random forest yang menggunakan beberapa pohon keputusan pembelajaran mandiri untuk membuat parameter model dan menggunakannya untuk memperkirakan variabel kategori atau kontinu (Katja Berger et al., 2018)
Diagram alir mekanisme kerja imageRF pada software EnMap Box
Nah, itulah tadi pembahasan mengenai penggunaan machine learning dalam menghasilkan informasi suatu wilayah yang berbasis penginderaan jauh. Semoga dapat dipahami ya teman-teman. Silahkan komentar jika ada yang perlu di diskusikan ya sobat gisser.
Thx infonya bang
BalasHapus