Supervised Image Classification untuk Fenomena Chaos Angin Puting Beliung Berdasarkan Average Correlation Angle

Abstract

Cumulonimbus clouds are one of the earliest formations leading to small-scale tornadoes known locally in Indonesia as "angin puting beliung" or waterspouts. Cumulonimbus clouds show some irregular and undefined phenomena called chaos. However, to ensure that the chaotic phenomenon will cause a whirlwind, several criteria and characteristics must be met in the problem of classification of remote sensing. One such criterion is the extreme heat difference marked by the presence of cumulonimbus clouds. In the cumulonimbus cloud there is a gray border of the image with certain characteristics such as wavelength, frequency and color intensity. In addition, the color of the image can also be used as a basis for determining parameters related to the initial conditions for a whirlwind. In this study, the Robert method edge detection algorithm is used to obtain the gray border by extracting irregular patterns in cumulonimbus clouds. Furthermore, the supervised image classification analysis process uses the Spectral Angle Mapper algorithm to obtain minimum and maximum value intervals of color intensity based on spectral angles for initial detection in predicting tornadoes. Spectral angles enable fast mapping to determine the spectral similarity between the two spectral layers in the cumulonimbus cloud by calculating the angles between spectral forms of vector space having the same dimensions color spectrum. The results of this study indicate that the approach with the Spectral Angle Mapper produces an interval minimum and maximum of Average Correlation Angle values of in the training of the tornado image dataset, and the in the cumulonimbus cloud image dataset testing with an accuracy value between training and testing the dataset image of 81.48%, precision vaule of 0.80 and recall value of 0.81.

Awan cumulonimbus adalah salah satu formasi awal yang mengarah ke tornado skala kecil yang dikenal secara lokal di Indonesia sebagai “angin puting beliung” atau waterspout. Awan cumulonimbus menunjukkan beberapa fenomena tidak teratur dan tidak terdefinisi yang disebut chaos. Namun, untuk memastikan fenomena chaos itu akan menyebabkan terjadinya angin puting beliung, beberapa kriteria dan karakteristik harus dipenuhi dalam masalah klassfikasi penginderaan jarak jauh. Salah satu kriteria tersebut adalah adanya perbedaan panas yang ekstrem ditandai adanya awan cumulonimbus. Pada awan cumulonimbus terdapat batas tepi warna abu-abu yang memiliki batas aturan dalam image seperti panjang gelombang, frekuensi dan intensitas warna. Selain itu, warna gambar dapat digunakan juga sebagai dasar untuk menentukan parameter terkait dengan kondisi awal akan terjadinya angin puting beliung. Dalam penelitian ini, algoritma edge detection metode Robert digunakan untuk mendapatkan batas tepi warna abu-abu dengan mengekstraksi pola yang tidak teratur pada awan cumulonimbus. Selanjutnya melakukan proses analisis supervised image classification menggunakan algoritma Spectral Angle Mapper untuk mendapatkan interval nilai minimum dan maksimum intensitas nilai warna berdasarkan sudut spektral untuk deteksi awal dalam memprediksi akan terjadinya angin puting beliung. Sudut spektral memungkinkan adanya pemetaan cepat dalam menentukan kesamaan spektral antara dua spektral pada lapisan-lapisan awan cumulonimbus dengan menghitung sudut antara spektral membentuk ruang vektor yang berdimensi sama pada spektrum warna. Hasil penelitian ini menunjukkan bahwa pendekatan dengan Spectral Angle Mapper menghasilkan interval nilai minimum dan maksimum Average Correlation Angle pada training dataset image angin puting beliung dan pada testing dataset image awan cumulonimbus dengan nilai akurasi klassifikasi sebesar 81.48%, nilai presisi sebesar 0.80 dan nilai recall sebesar 0.81.