Machine Learning dalam Earth Engine (GEE-012)

· 1 min read
Machine Learning dalam Earth Engine (GEE-012)

Machine Learning dalam Earth Engine dapat dilakukan dengan :

  1. Menggunakan API Earth Engine yang sudah tersedia seperti ee.Classifier, ee.Clusterer, atau ee.Reducer untuk training data.
  2. Menggunakan TensorFlow (TFRecord) yang mengimpor data Earth Engine dengan ee.Model.

Training dan prediksi menggunakan ee.Classifier atau ee.Clusterer pada umumnya efektif untuk permintaan dengan ukuran kurang lebih 100 megabyte. Namun jika Anda memerlukan model yang lebih kompleks dengan training data yang lebih besar, waktu training data yang lebih panjang, TensorFlow adalah jawabannya. Namun TensorFlow ini dijalankan di luar Earth Engine. Dan untuk pemindahan dan penyuntingan data yang lebih nyaman, Earth Engine menggunakan metode import/eksport data dari dan ke format TFRecord. Untuk melakukan prediksi dengan menggunakan TensorFlow, Anda perlu untuk mengeksport citra ke dalam format TFRecord lalu mengimport prediksi tadi ke dalam Earth Engine. Terlalu rumit? Terdapat alternatifnya yaitu Anda dapat melakukan training model dengan menggunakan Google AI dan menjalankan ee.Model.fromAiPlatformPredictor.

Ringkasan : Jika Anda bermaksud untuk mengklasifikasikan objek dalam citra baik secara terselia (supervised) atau tak terselia (unsupervised) gunakan API Earth Engine saja, yang sudah cukup mewadahi kebutuhan. Namun jika Anda bermaksud untuk membuat prediksi atau lebih jauh membuat model deep learning untuk citra maka Anda memerlukan TensorFlow dan Keras.

Related Articles

Google Earth Engine untuk Pemodelan Kesesuaian Lokasi Budidaya Ikan Kerapu (GEE-015)

Sumberdaya perikanan di Indonesia sangat berlimpah dan dapat dimanfaatkan salah satunya untuk budidaya laut. Budidaya laut perlu didukung data lokasi

· 8 min read