Bulan: Desember 2017

Mengeset Referensi Koordinat pada Image di IDRISI

Terkadang untuk melakukan manipulasi diperlukan penyamaan koordinat dan proyeksi dua image atau lebih yang terlibat. Misalnya untuk operasi Window (lihat post tentang window ini) dalam rangka memotong suatu image mengikuti image lainnya (dalam ArcGIS diistilahkan dengan nama clipping). Obyek yang memotong dan dipotong tentu saja harus memiliki proyeksi koordinat yang sama.

Menggunakan Metadata

Selain untuk mengeset proyeksi, metadata ini sering digunakan untuk mengeset legend terutama untuk memodelkan land use (LCM). Misalnya gambar peta urban di sekitar Jabotabek di bawah ini yang akan dicrop untuk Bekasi.

Gambar di atas adalah hasil klasifikasi (unsupervised) dengan IDRISI. Perhatikan di bagian metadata di bawah kiri. Pada isian ref system pilih proyeksi yang sesuai.

Selain ref. system yang perlu diperhatikan juga adalah Min/Max X dan Y. Permasalahan muncul ketika ref. system sudah sama tetapi Min/Max X,Y tidak sama. Jika dua gambar yang ingin disamakan memang berukuran sama tidak masalah (dengan copy dan paste). Tetapi jika tidak sama ukurannya maka perlu menggunakan trik lain. (Bersambung).

Deep learning, Machine Learning & Artificial Intelligent

Tiga istilah yang mirip tetapi sejatinya berbeda. Untuk menjawabnya tidak ada salahnya membaca buku tentang deep learning karangan (Kim, 2017). Dalam buku tersebut, secara gampangnya dijelaskan, deep learning adalah salah satu bagian dari machine learning, sedangkan machine learning sendiri merupakan salah satu subjek dari artificial intelligent (AI).

Machine Learning

Machine Learning (ML) bukanlah mengajari seorang murid yang berupa mesin. Kalaupun iya, itu adalah AI. ML di sini adalah membuat sebuah model dengan melatihnya lewat suatu data. Dengan demikian model tersebut bisa menjawab inputan tertentu sesuai dengan hasil pembelajaran dari data yang dikenal dengan istilah data training. Dari data dapat dibuat dua model yang terkenal yaitu regresi dan klasifikasi. Yang saat ini banyak diteliti adalah klasifikasi yang terdiri dari supervised, unsupervised, dan reinforcement.

Deep Learning

Saat ini pemodelan yang terkenal adalah artificial neural network (JST). Metode ini sempat mengalami pasang surut. Setelah McCulloch – Pitt menemukan model JST pertama, terjadi kevakuman karena metode ini tidak mampu menyelesaikan masalah sederhana, misalnya logika XOR. Namun setelah 30 tahun kemudian, munculnya backpropagation, sebuat metode learning baru yang bisa diterapkan dalam multilayer perceptron, akhirnya JST mulai menggeliat lagi, namun kemudian redup lagi karena masalah performa. Setelah 20 tahun kemudian, yaitu pertengahan 2000-an, diperkenalkanlah Deep Learning yang berfokus dalam meningkatkan performa Hidden Layer, yaitu beberapa layer antara input dan output. Sehingga riset tentang JST semarak lagi. Yuk, baca bareng buku itu.

Ref

Kim, P. (2017). MATLAB Deep Learning. New York: Apress. https://doi.org/10.1007/978-1-4842-2845-6