Tahap Training pada Citra Radar

65

4.1. Tahap Training pada Citra Radar

Untuk rekonstruksi citra radar super resolution menggunakan model Markov Network sebagai proses training set. Proses ini selain menggunakan Markov Network Algorithm juga dipakai sebuah metode statistik yaitu metode PCA yang mampu mereduksi jumlah piksel pada setiap patch citra dengan perhitungan komputasi matrik ini akan menghasilkan 16 the best matching patches.. Patches terbaik ini nantinya akan disimpan kedalam database untuk digunakan dalam memperbesar citra radar lainnya pada saat rekonstruksi. Untuk tahap ini prosesnya dibuat secara bertahap. Untuk proses training set awalnya menggunakan model Markov Network kemudian proses rekonstruksi citra perbesaran digunakan metode PCA untuk mereduksi piksel pada training set yang dibuat baru, masing-masing hasil training set yang berupa patches keduanya disimpan sebagai data untuk proses training. Terdapat pada Gambar 4.2 image citra radar cuaca pada jam 18.00 wib dan sebagai pembanding jam 14.00 wib. Untuk rekonstruksi citra radar super resolution menggunakan model Markov Network sebagai proses training set. Proses ini selain menggunakan Markov Network Algorithm juga dipakai sebuah metode statistik yaitu metode PCA yang mampu mereduksi jumlah piksel pada setiap patch citra dengan perhitungan komputasi matrik ini akan menghasilkan 16 the best matching patches. Patches terbaik ini nantinya akan disimpan kedalam database untuk digunakan dalam memperbesar citra radar lainnya pada saat rekonstruksi. Universitas Sumatera Utara 66 Gambar 4.2. Proses PCA pengolahan data awan Jam 18.00 WIB Image Radar Real Di olah sehingga menghasilkan image radar Normalisasi Image awan tidak tampil pada daerah tersebut Universitas Sumatera Utara 67 Gambar 4.3. Data petir Sumber: Stasiun Geofisika Tuntungan Pada Gambar 4.3 merupakan data petir yang diperoleh dari image data record lightning protector dan peralatan tersebut telah terintalasi di kantor Stasiun Geofisika Tuntungan serta diperoleh 64 kejadian. Data tersebut diambil lalu diolah serta dijadikan sampel data perkejadian untuk meneliti apakah pertumbuhan awan berpengaruh dengan jumlah petir pada daerah pantauan tersebut. Data Petir pada tanggal 15 Pebruari jam 18.00 wib terjadi 64 kali petir kuat Daerah Pantauan Universitas Sumatera Utara 68 Gambar 4.4. Proses PCA pengolahan data awan Jam 14.00 wib tanggal 15 Februari 2012 Image awan tampil pada daerah tersebut Universitas Sumatera Utara 69 Image radar pada Gambar 4.4 disimpulkan terdapat pertumbuhan awan yang banyak, tetapi dengan teknik pengolahan PCA dapat dilihat pertumbuhan awan dengan perbandingan antara jam 18.00 WIB dan jam 14.00 WIB hampir tidak terlihat perbedaan sehingga potensi peningkatan jumlah petir hampir tidak ada sama sekali pada jam 14.00 WIB, untuk memastikan hasil data tersebut dapat dilihat pada Gambar 4.5 hasil record lightning protector jam 14.00 wib tanggal 15 Februari 2012 terdapat 2 kejadian petir. Gambar 4.5. Data petir Sumber: Stasiun Geofisika Tuntungan Petir kuat terjadi pada jam 13.00 wib= 2, pada jam 14.00 wib = 0 pada jam 15.00 wib = 1 Universitas Sumatera Utara 70

4.3. Training Set Model Markov Network