Garuda - Garba Rujukan Digital

p-Index From 2020 - 2025

2.233

P-Index

This Author published in this journals

All Journal ILKOM Jurnal Ilmiah Jambura Journal of Electrical and Electronics Engineering Jurnal Pengabdian Masyarakat Asia Jurnal Nasional Cosphi Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer (BALOK)

Zulfrianto Yusrin Lamasigi

Universitas Ichsan Gorontalo

Author-ID : 1826882

Arts Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Other

Published : 12 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Identifikasi Tingkat Kesegaran Ikan Tuna Menggunakan Metode GLCM dan KNN Zulfrianto Yusrin Lamasigi; Serwin -; Husdi -; Yulianti Lasena
Jambura Journal of Electrical and Electronics Engineering Vol 4, No 1 (2022): Januari - Juni 2022
Publisher : Teknik Elektro - Universitas Negeri Gorontalo

Abstrak-Dari potensi perikanan dan kelautan secara Nasional, Provinsi Gorontalo memiliki potensi perikanan dan kelautan cukup besar yang dapat dikelola untuk menunjang pembangunan Gorontalo. Potensi perikanan tangkap Provinsi Gorontalo tidak bisa dipisahkan dari potensi perikanan tangkap yang berbasis pada WPP (Wilayah Pengelolaan dan Pemanfaatan) dan diakui secara Nasional maupun Internasional. Provinsi Gorontalo merupakan salah satu provinsi penghasil ikan tuna di Indonesia, hasil tangkapan ikan tuna di gorontalo telah diekspor keberbagai negara. Tuna merupakan salah satu komoditi andalan perikanan di Gorontalo yang juga banyak melibatkan nelayan kecil. Penelitianini bertujuan untuk melakukan identifikasi tingkat kesegaran ikan tuna dengan menggukanan metode Gray LevelCo-Occurrence Matrix(GLCM)sebagai metode ektraksi fitur dan K-Nearest Neighbour (K-NN) digunakan sebagai metode klasifikasi. Padapenelitian ini, akan dilakukan 5 kali percobaan berdasarkan sudut 0°, 45°, 90°, 135° dan 180° pada nilai k=1, 3, 5, dan 7. Sementara itu, untuk menghitung tingkat akurasi dari klasifikasi K-NN akan menggunakan confusion matrix. Dari uji coba yang di lakukan dengan menggunakan jumlah data training sebanyak 130 citra dan data testing 45 citra pada semua kelas dan sudut mendapatkan hasil akurasi tertinggi pada sudut 0° dengan nilai k=1 yaitu sebesar 82,28% dan yang paling rendah ada pada sudut 135° dan 180° dengan nilai k=1 yaitu sebesar 53,71%. Berdasarkan hasil akurasi yang didapatkan menunjukkan bahwah GLCM bekerja dengan baik untuk meningkatkan hasil akurasi klasifikasi K-NN yang dibuktikan dengan hasil rata-rata akurasi yang diperoleh mencapai 50%.Abstract-From the national fisheries and marine potential, Gorontalo Province has a large enough fishery and marine potential that can be managed to support the development of Gorontalo. The capture fisheries potential of Gorontalo Province cannot be separated from the potential of capture fisheries based on the WPP (Management and Utilization Area) and is recognized both nationally and internationally. Gorontalo province is one of the tuna-producing provinces in Indonesia, tuna catches in Gorontalo have been exported to various countries. Tuna is one of the mainstay fisheries commodities in Gorontalo which also involves many small fishermen. This study aims to identify the freshness level of tuna by using the Gray Level Co-Occurrence Matrix (GLCM) method as a feature extraction method and K-Nearest Neighbor (K-NN) is a classification method. In this experiment, 5 experiments were conducted based on the angles of 0°, 45°, 90°, 135° and 180° at the values of k=1, 3, 5, and 7. Meanwhile, to calculate the accuracy level of the K-NN classification, we will use a confusion matrix. From the trials carried out using the amount of training data as many as 130 images and testing data 45 images against all classes based on angles 0°, 45°, 90°, 135°, and 180° at the values of k=1, 3, 5, and 7, the highest accuracy obtained is at an angle of 0° with a value of k=1 which is 82.28% and the lowest is at an angle of 135° and 180° with a value of k=1 which is 53.71%. The results of the trials conducted show that GLCM works well to improve the accuracy of the K-NN classification as evidenced by the average accuracy of 50%.

DCT Untuk Ekstraksi Fitur Berbasis GLCM Pada Identifikasi Batik Menggunakan K-NN Zulfrianto Yusrin Lamasigi
Jambura Journal of Electrical and Electronics Engineering Vol 3, No 1 (2021): Januari - Juni 2021
Publisher : Teknik Elektro - Universitas Negeri Gorontalo

Batik merupakan kain yang dibuat khusus, batik sendiri terbilang unik karena memiliki motif tertentu yang dibuat berdasarkan unsur budaya dari daerah asal batik itu dibuat. setiap motif dan warna batik berbeda-beda sehingga sulit untuk dikenali asal dari motir batik itu sendiri. penelitian ini bertujuan untuk meningkatkan hasil ektraksi fitur pada identifikasi motif batik. metode yang digunakan dalam penelitian ini adalah Discrete Cosine Transform bertujuan untuk meningkatkan hasil ektraksi fitur Gray Level Co-Occurrence Matrix untuk mendapatkan hasil akurasi identifikasi motif batik yang lebih baik, sedangkan untuk mengetahui nilai kedekatan antara data training dengan data testing citra batik akan menggunakan K-Nearest Neighbour berdasarkan nilai ekstraksi fitur yang diperoleh. dalam eksperimen ini dilakukan 4 kali percobaan berdasarkan sudut 0°, 45°, 90°, dan 135° pada nilai k=1, 3, 5, 7, dan 9. sementara itu, untuk menghitung tingkat akurasi dari klasifikasi KNN akan menggunakan confusion matrix. Dari uji coba yang di lakukan dengan menggunakan jumalah data training sebanyak 602 citra dan data testing 344 citra terhadap semua kelas berdasarkan sudut 0°, 45°, 90°, dan 135° pada nilai k=1, 3, 5, , dan 9 akurasi tertinggi yang diperoleh DCT-GLCM ada pada sudut 135° dengan nilai k=3 sebesar 84,88% dan yang paling rendah ada pada sudut 0° dengan nilai k=7 dan 9 sebesar 41,86%. Sedangkan hasil uji dengan hanya mennggunakan GLCM akurasi tertinggi ada pada sudut 135° dengan nilai k=1 sebesar 77,90% dan yang paling rendah ada pada sudut 90° dengan nilai k=7 sebesar 40,69%. Dari hasil uji coba yang dilakukan menunjukkan bahwah DCT bekerja dengan baik untuk meningkatkan hasil ekstraksi fitur GLCM yang dibuktikan dengan hasil rata-rata akurasi yang diperoleh.Batik is a specially made cloth, batik itself is unique because it has certain motifs that are made based on cultural elements from the area where the batik was made. each batik motif and color is different so it is difficult to identify the origin of the batik motir itself. This study aims to improve the feature extraction results in the identification of batik motifs. The method used in this research is Discrete Cosine Transform, which aims to increase the extraction of the Gray Level Co-Occurrence Matrix feature to obtain better accuracy results for identification of batik motifs, while to determine the closeness value between training data and batik image testing data will use K- Nearest Neighbor based on the feature extraction value obtained. In this experiment, 4 experiments were carried out based on angles of 0 °, 45 °, 90 °, and 135 ° at values of k = 1, 3, 5, 7, and 9. Meanwhile, to calculate the level of accuracy of the KNN classification, confusion matrix will be used. . From the trials carried out using the total training data of 602 images and testing data of 344 images for all classes based on angles of 0 °, 45 °, 90 °, and 135 ° at values of k = 1, 3, 5, and 9 accuracy The highest obtained by DCT-GLCM was at an angle of 135 ° with a value of k = 3 of 84.88% and the lowest was at an angle of 0 ° with values of k = 7 and 9 of 41.86%. While the test results using only GLCM, the highest accuracy is at an angle of 135 ° with a value of k = 1 of 77.90% and the lowest is at an angle of 90 ° with a value of k = 7 of 40.69%. From the results of the trials conducted, it shows that the DCT works well to improve the results of the GLCM feature extraction as evidenced by the average accuracy results obtained.

Co-Authors Abd. Rahmat Karim Haba Ade Moh Faridz Amiruddin Bengnga Andi Bode Apriyanto Alhamad Firmansyah Kadir Husdi Husdi Ivo Colanus Rally Drajana Kolopita, Roji Anugrah Maryam Hasan Muh. Iqbal Jafar Mundok, Geby Roys Pakaya Serwin Stephan Adriansyah Hulukati Syamsir Syamsir Yulianti Lasena Yusrianto Malago

Title Search

Found 2 Documents Search Journal : Jambura Journal of Electrical and Electronics Engineering

Abstract

Abstract

Title

Found 2 Documents
Search
Journal : Jambura Journal of Electrical and Electronics Engineering