Klasifikasi Tinggi Awan dari Citra Satelit Himawari-8 Menggunakan Fuzzy C-Means, GLCM, dan KNN.

Abstract

Monitoring ketinggian awan merupakan parameter penting dalam observasi meteorologi yang berperan strategis dalam analisis dinamika atmosfer serta prediksi cuaca ekstrem. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk mengategorikan awan rendah, awan menengah, dan awan tinggi menggunakan citra satelit Himawari-8. Metodologi penelitian mencakup empat tahapan utama: pre-processing untuk standardisasi data, segmentasi menggunakan metode Fuzzy C-Means (FCM) untuk memisahkan objek awan, ekstraksi fitur tekstur berbasis Gray Level Co-occurrence Matrix (GLCM) dengan sembilan parameter, serta klasifikasi menggunakan algoritma K-Nearest Neighbor (K-NN). Data penelitian bersumber dari BMKG Stasiun Meteorologi Cengkareng, Tangerang. Pengujian sistem dilakukan melalui empat skenario eksperimen dengan volume data uji sebanyak 20, 30, 40, dan 50. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi kategori awan rendah dengan tingkat akurasi yang sangat tinggi, bahkan mencapai performa sempurna pada beberapa parameter efektivitas. Fenomena tumpang tindih (overlapping) pada nilai parameter fitur tekstur antar kelas menyebabkan algoritma K-NN sulit menentukan batas keputusan yang optimal. Secara keseluruhan dari 3 ketinggian awan yang dilakukan, awan rendah dapat diklasifikasikan dengan baik dibanding dengan awan tengah dan awan tinggi. Dari 4 percobaan hasil akurasi untuk awan rendah adalah 100%. Sedangkan untuk awan tengah akurasi yang dihasilan 72,45% dan awan tinggi 90,95%. Penelitian ini merekomendasikan adanya integrasi yang lebih adaptif antara tahap segmentasi dan ekstraksi ciri guna meminimalisir bias klasifikasi pada satu kelas tertentu dan meningkatkan akurasi sistem secara menyeluruh pada seluruh tingkatan awan.