Hal ini memberikan kinerja yang lebih tinggi dibandingkan dengan Synthetic Aperture Radar
SAR JERS-1.
Gambar 4. Satelit ALOS JAXA EORC, 1997
Salah satu mode observasi PALSAR, yaitu ScanSAR yang memungkinkan PALSAR dapat melakukan pengamatan permukaan bumi dengan cakupan area
yang lebih luas, yaitu 250 - 350 km. Pembangunan PALSAR merupakan proyek kerjasama antara JAXA dan Japan Resources Observation System Organization
JAROS. Tabel 4 menyajikan spesifikasi sensor PALSAR dan Gambar 5 menyajikan bentuk dari instrument PALSAR.
Sensor PALSAR tidak dapat mengamati daerah-daerah yang berada diluar posisi geografis berikut : 87,8° Lintang Utara dan 75,9° Lintang Selatan ketika
off -nadir mempunyai sudut 41,5°. Hal ini dikarenakan terbatasnya konsumsi daya
yang mengakibatkan waktu operasi sensor dibatasi. Fine mode bekerja pada incident angle
dengan sudut 34,3°, ScanSAR mode pada incident angle dengan sudut 34,1° dan Polarimetric Mode pada incident angle dengan sudut 21,5°
EORC JAXA, 1997. Gambar 6 menyajikan prinsip geometri PALSAR.
2.7. Data Mining
Data Mining adalah proses analitik yang dirancang untuk menggali data
biasanya data dalam jumlah besar seperti dalam bisnis atau pasar terkait untuk mencari pola yang konsisten dan atau hubungan sistematis antar variabel, dan
13
kemudian untuk memvalidasi temuan dengan menerapkan pola terdeteksi subset data baru Elektronik Statistik, 2011
Tabel 4. Spesifikasi ALOS PALSAR
No Mode Fine
Resolution Mode
ScanSAR Mode Polarimetric
Experimental mode 1
Frekuensi Pusat
Tipe L-Band 1270 mHz 2
Chrip Bandwidth
28 MHz 14 MHz
14 MHz, 28 MHz 14
MHz 3
Polarisasi HHVV HH+HVVV+VH HHVV
HH+VH+HV+VV 4
Incident angle
8-60° 8-60° 18-43° 8-30°
5 Range
Resolution 7-44 m
14-88 m 100 m
multilook 24-89 m
6 Observation
Swath 40-70 km
40-70 km 250-350 km
20-65 km 7
Bit Length 5 bit
5 bit 5 bit
3-5 bit 8
Date Rate 240 Mbps
240 Mbps 120 Mbps
240 Mbps 240 Mbps
Sumber : http:www.eorc.jaxa.jpALOS diakses 22 Februari 2010
Sumber : RESTEC 2010
Gambar 5. Instrumen PALSAR
14
Sumber : RESTEC 2010
Gambar 6. Prinsip Geometri PALSAR Data mining
dapat diaplikasikan pada representasi data seperti domain data spatial
berbasis teks dan multimedia citra Seiner, 1999. Data mining melakukan pencocokan model atau menentukan pola dari data yang diobservasi.
Ada dua pendekatan matematis yang digunakan dalam pencocokan model statistik yang memberikan efek non-deterministik dan logik yang murni determinstik
Seiner, 1999. Data mining merupakan himpunan algoritma yang sangat besar. Berbagai teknik dapat ditemui pada himpunan tersebut, seperti jaringan syaraf
tiruan artificial neural network, support vector machines, analisis gerombol clustering, dan pohon keputusan decision tree.
2.8. Metode Decision Tree
Pohon keputusan berbasis logika dimana metodologi aturan keputusan adalah tipe yang paling kuat dari klasifikasi terbimbing yang menunjukkan kinerja
baik di berbagai masalah data mining Leung, 2007. Klasifikasi ini mengadopsi pendekatan topdown dan menggunakan pembelajaran terbimbing untuk
membangun pohon keputusan decision tree dari satu set data pembangun yang ditetapkan. Sebuah pohon keputusan terdiri dari node yang merupakan atribut
yang diuji. Keluaran dari cabang node sesuai dengan semua kemungkinan hasil uji pada setiap node Leung, 2007. Teknik ini sangat bermanfaat untuk analisis data
pendahuluan mengingat kesederhanaan pola pikir dalam pengembangan
pembuatan keputusan rule. Namun demikian, kesederhanaan ini tidak identik dengan ketidakakuratan. Penelitian pendahuluan dari Panuju dan Trisasongko
2008 menunjukkan bahwa walaupun perbedaan kinerja algoritma pohon keputusan tidak terlalu signifikan, namun kinerja algoritma pohon keputusan
secara konsisten selalu lebih baik dibandingkan dengan algoritma klasik seperti algoritma kemungkinan maximum likelihood classification.
2.9. Algoritma QUEST
