Garuda - Garba Rujukan Digital

PENERAPAN DIMENSI FRAKTAL HIGUCHI DAN K-NEAREST NEIGHBOR DALAM KLASIFIKASI PASSERIFORMES (BURUNG PENGICAU) BERDASARKAN SUARA Putri Anis Nurul Yania; Dwi Juniati
MATHunesa: Jurnal Ilmiah Matematika Vol. 11 No. 02 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v11n2.p92-101

Passeriformes adalah salah satu kelas aves yang merupakan jenis burung pengicau. Tingkat konservasi dari spesies Passeriformes masih relatif rendah dan populasinya sudah mulai menurun, sehingga kelestarian Passeriformes perlu dipertahankan dari kepunahan maupun penurunan populasinya. Burung memiliki habitat yang beraneka ragam, sehingga menyebabkan keterbatasan dalam mengetahui ada atau tidaknya spesies burung di suatu wilayah. Suara kicauan dapat digunakan untuk mengenali jenis burung berdasarkan suaranya. Dengan dimensi fraktal bisa melakukan analisis suara Passeriformes berdasarkan ciri sinyal suaranya. Penelitian ini akan mengklasifikasikan Passeriformes berdasarkan suara menggunakan metode Higuchi serta K-Nearest Neighbor. Langkah awal yaitu pra-pemrosesan, selanjutnya adalah proses ekstraksi ciri menggunakan Discrete Wavelet Transform (DWT) dan dekomposisi wavelet 5 level menggunakan tipe mother wavelet Daubechies4. Selanjutnya yaitu menghitung nilai dari dimensi fraktal dengan memakai metode Higuchi. Setelah memperoleh nilai dimensi fraktal, data dibagi menjadi dua yaitu data pelatihan dan data pengujian. Selanjutnya data diklasifikasikan menggunakan algoritma K- Nearest Neighbor. Dalam penelitian ini, telah diperoleh nilai dengan akurasi tertinggi sebesar 90% dimana perbandingan data pelatihan maupun data pengujian adalah 9:1, dengan nilai Kmax =60, serta nilai k pada K-NN adalah 1, 2 dan 5. Sehingga, dapat disimpulkan penerapan dimensi fraktal Higuchi serta K-Nearest Neighbor dapat digunakan dalam mengklasifikasikan Passeriformes berdasarkan suara. Kata Kunci: Passeriformes, Dimensi Fraktal Higuchi, K-Nearest Neighbor (K-NN).

PENERAPAN DIMENSI FRAKTAL HIGUCHI DAN K-NEAREST NEIGHBOR (KNN) DALAM KLASIFIKASI KONDISI KUCING BERDASARKAN SUARA Lilis Mardiana; Dwi Juniati
MATHunesa: Jurnal Ilmiah Matematika Vol. 11 No. 02 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v11n2.p82-91

Kucing adalah salah satu hewan mamalia karnivora yang banyak dipelihara oleh manusia. Sifatnya yang mudah beradaptasi dengan manusia menjadikan kucing memiliki hubungan yang erat dengan pemiliknya. Cara kucing menyampaikan pesan yaitu dengan mengeluarkan suara yang identik dan beberapa dari suara tersebut mencerminkan kondisi kucing. Akan tetapi, kategorisasi suara-suara kucing merupakan tantangan yang besar karena beberapa suara sangat mirip dengan yang lain dan kucing dapat menghasilkan suara yang berbeda dalam perbedaan waktu yang sangat kecil. Hal ini yang membuat si pemilik kucing sulit mengartikan dan memahami kondisi kucingnya. Dengan menggunakan dimensi fraktal dapat dilakukan analisis suara kucing sesuai kondisinya. Pada penelitian ini akan diklasifikasikan kondisi kucing berdasarkan suara menggunakan dimensi fraktal Higuchi dan K-Nearest Neighbor (KNN). Data yang digunakan yaitu 80 data suara kucing dengan kondisi angry (marah), fighting (berkelahi), happy (senang), huntingmind (berburu), mating (kawin), paining (sakit), resting (istirahat), dan warning (peringatan). Tahapan awal yang dilakukan yaitu proses Pre-Processing, kemudian ekstraksi ciri menggunakan Discrete Wavelet Transform dengan tipe mother wavelet Daubechies 4 dan dekomposisi 5 level. Selanjutnya akan dicari nilai dimensi fraktal dengan metode Higuchi. Setelah diperoleh nilainya, data dibagi menjadi 2 yaitu data training dan data testing. Selanjutnya diklasifikasikan menggunakan algoritma KNN dengan percobaan nilai K yaitu 1, 3, 5, 7, dan 9. Dari penelitian ini diperoleh akurasi tertinggi sebesar 87,5% dengan nilai K-max pada metode Higuchi adalah 60 dan K pada KNN adalah 9. Hal ini menunjukkan bahwa metode Higuchi dan KNN dapat diterapakan dalam klasifikasi kondisi kucing berdasarkan suara. Kata Kunci: Suara kucing, kondisi, dimensi fraktal, metode Higuchi, KNN.

KLASIFIKASI JENIS ANJING LAUT BERDASARKAN SUARA DENGAN METODE HIGUCHI DAN K-NEAREST NEIGHBOR Marisa Damayanti; Dwi Juniati
MATHunesa: Jurnal Ilmiah Matematika Vol. 11 No. 02 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v11n2.p102-111

Anjing laut merupakan famili dari Phocidae yang termasuk ke dalam mamalia laut. Anjing laut berkomunikasi menggunakan suara yang dikeluarkannya. Banyaknya jenis anjing laut dan habitat anjing laut yang mayoritas berada di dalam air menjadikan anjing laut sulit untuk diklasifikasikan. Namun, suara yang dikeluarkan anjing laut dapat dijadikan sebagai penanda keberadaan anjing laut dan setiap jenis anjing laut mempunyai range frequency sinyal suara yang berbeda-beda. Dengan adanya dimensi fraktal dapat digunakan untuk mengklasifikasikan jenis anjing laut berdasarkan suara. Penelitian ini dilakukan untuk mengklasifikasikan jenis anjing laut dengan metode Higuchi dan K-Nearest Neighbor (KNN). Data pada penelitian ini yaitu 100 data suara anjing laut yang diperoleh dari website Watkins Marine Mammals Sound Database yang terdiri atas 20 suara Weddel Seal, 20 suara Leopard Seal, 20 suara Bearded Seal, 20 suara Harp Seal, dan 20 suara Spotted Seal. Langkah pertama yaitu dengan melakukan pre-processing dilanjutkan dengan ekstraksi ciri sinyal suara menggunakan Discrete Wavelet Transform dengan mother wavelet Daubechies 4 dan dekomposisi 5 level. Kemudian, dihitung dimensi fraktal dengan metode Higuchi. Dilanjutkan dengan pembagian data menjadi data latih dan data uji. Kemudian diklasifikasikan menggunakan metode KNN. Dari penelitian yang telah dilakukan, diperoleh hasil bahwa klasifikasi jenis anjing laut berdasarkan suara menggunakan metode Higuchi dengan kmax adalah 60 dan K di KNN adalah 10 mendapat akurasi tertinggi 80%. Akurasi 80% termasuk ke dalam kategori akurasi yang baik. Kata Kunci: Anjing Laut, Suara Anjing Laut, Metode Higuchi, KNN

PENERAPAN DIMENSI FRAKTAL BOX COUNTING DAN K-MEDOIDS UNTUK DETEKSI JENIS HEWAN KINGDOM MAMALIA BERDASARKAN MOTIF TUBUH Ananda Kusuma Wati; Dwi Juniati
MATHunesa: Jurnal Ilmiah Matematika Vol. 11 No. 02 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v11n2.p174-185

Mammals are a group of vertebrate animals that have characteristics such as hair and mammary glands. And the kingdom of mammals is one of the kingdoms with a large number of species. The shape, color, and size of animals belonging to the mammalian kingdom can vary greatly. These differences can be distinguished by the characteristics of animals such as the distinctive shape of their body motifs. For image processing, the method that has been used to identify features in an image is edge detection. In the field of mathematics that is widely used to study the irregular shape of an object is fractal geometry. In this research, grouping of animals based on their body motifs based on fractal dimensions was carried out. 120 animal images were obtained in the mammal kingdom which will be processed through segmentation which obtains the region of animal body motifs. The region obtained will be used to determine the pattern of body motifs with Canny edge detection. Then it will be calculated using the box counting method and produce fractal dimension values ??for the cluster stage. The results of the experimental K-Medoids Clustering method from six clusters, namely cheetahs, tigers, leopards, hyenas, giraffes, and zebras, have an accuracy of 84.16%. Keywords: Mammal Animal Body Motives, Box Counting, K-Medoids.

IMPLEMENTASI DIMENSI FRAKTAL BOX COUNTING DAN K-MEANS DALAM KLASIFIKASI JENIS KUPU-KUPU (LEPIDOPTERA) BERDASARKAN BENTUK SAYAP Devi Puspita Sari; Dwi Juniati
MATHunesa: Jurnal Ilmiah Matematika Vol. 11 No. 02 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v11n2.p164-173

Butterflies are insects that have aesthetic beauty and are also important assets in the field of nature protection. In nature, butterflies have a crucial role in maintaining ecosystems, especially in the process of pollination of flowering plants which contributes to the natural propagation of plants. Butterfly wings have an important role in identifying butterfly species based on size, shape and color. In mathematics, there is the concept of fractals which is a very suitable method for modeling natural phenomena and used as a tool to represent natural objects. In this study, a classification of butterfly species was carried out based on the shape of the butterfly's wings. A total of 100 butterfly images were used in this study, the first step was to convert the RGB images to grayscale and then segment the butterfly wings. The area is then used to identify butterfly wing type patterns using edge detection using the Canny method. Furthermore, by using the fractal box counting method, the resulting dimensional values are used in the clustering process. The results of the dimension values will be classified using the K-Means grouping method with five groups, namely Adonis Butterfly, Julia Butterfly, Brown Siproeta Butterfly, Metal Marks Butterfly, and African Giant Swallowtail Butterfly, showing an accuracy of 89%.

PENERAPAN DIMENSI FRAKTAL HIGUCHI DALAM KLASIFIKASI JENIS MONYET BERDASARKAN SUARA DENGAN METODE K-NEAREST NEIGHBOR (K-NN) Fika Yulistina; Dwi Juniati
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 01 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n1.p110-120

Monyet merupakan salah satu jenis mamalia primata yang termasuk dalam sub-ordo Anthropoide. Beberapa spesies monyet telah mengalami penurunan jumlah secara signifikan pada beberapa dekade terakhir, oleh karena itu diperlukan suatu metode untuk mendeteksi keberadaan populasi monyet di suatu wilayah sebagai upaya untuk meningkatkan konservasi monyet agar terhindar dari ancaman kepunahan. Diketahui bahwa sebagian besar habitat monyet adalah hutan yang merupakan alam bebas dengan memiliki banyak pohon dan berbagai satwa lain di dalamnya, hal ini mengakibatkan keterbatasan untuk mendeteksi populasi monyet di suatu wilayah. Dalam komunikasi vokal, monyet mengeluarkan berbagai jenis suara, dimana suara yang dikeluarkan oleh monyet dari jenis yang berbeda dapat menghasilkan sinyal suara yang berbeda, sehingga memunculkan suatu karakteristik. Dari informasi karakteristik tersebutlah pada penelitian ini akan dilakukan klasifikasi jenis monyet berdasarkan suara dengan menerapkan metode dimensi fraktal Higuchi dan klasifikasi K-Nearest Neighbor (K-NN). Tahapannya yaitu pre-processing data, kemudian ekstraksi ciri dengan dekomposisi suara hingga level 7 menggunakan Discrete Wavelet Transform (DWT) berjenis mother wavelet Daubechies db4. Selanjutnya melakukan perhitungan nilai Higuchi. Dari nilai Higuchi yang telah didapat, dilakukan tahap klasifikasi K-NN. Pada penelitian ini menggunakan rasio pembagian data menjadi data training dan data testing sebesar 0,5 : 0,5, pada Kmax = 50 dan k = 3 didapatkan hasil akurasi tertinggi yaitu sebesar 90,38%. Dari hasil akurasi yang tinggi disimpulkan bahwa metode Higuchi dan K-NN dapat diterapkan pada klasifikasi jenis monyet berdasarkan suara. Kata Kunci: Monyet, Dimensi Fraktal Higuchi, K-Nearest Neighbor (K-NN).

Aplikasi Topologi Jaringan Pada Akun Twitter Paling Berpengaruh Terkait Redenominasi Rupiah dengan Metode SNA Mohammad Dian Purnama; Ivon Tressyta Nanda Aisyah; Salma Azmi Rasyidah; Dwi Juniati; Fika Yulistina
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 01 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n1.p141-148

Masyarakat sering memanfaatkan media sosial sebagai platform untuk mengungkapkan minat dan pandangan mereka terhadap berbagai topik. Di Indonesia, masyarakat juga sering menggunakan media sosial sebagai wadah untuk mengekspresikan minat dan pandangan mereka terhadap berbagai isu. Kemajuan teknologi informasi telah memperluas cakupan dan meningkatkan kecepatan dalam penyebaran informasi melalui media sosial. Salah satu isu yang ramai dibahas di Twitter adalah terkait Redenominasi Rupiah, yang tercermin dari tingginya jumlah retweet pada tweet yang terkait. Penelitian ini menerapkan Metode Analisis Jaringan Sosial (SNA) sebagai teknik untuk memetakan dan mengukur hubungan serta komunikasi di antara akun-akun. Hasil penelitian menunjukkan bahwa akun Twitter @BigAlphaID memunculkan nilai Degree Centrality tertinggi sebesar 1387, nilai Betweeness Centrality sebesar 1386, dan nilai Closeness Centrality mencapai 1.0. Closeness Centrality yang mencapai 1.0 menggambarkan bahwa akun tersebut menjadi simpul terdekat dengan akun lain dalam jaringan. Dengan kata lain, akun Twitter @BigAlphaID memiliki dampak signifikan dalam menyuarakan isu Redenominasi Rupiah

IMPLEMENTASI DIMENSI FRAKTAL BOX COUNTING DAN K-MEANS DALAM KLASIFIKASI JENIS IKAN LAUT BERDASARKAN CORAK TUBUH Ayu Mazidatul Faizah; Dwi Juniati
MATHunesa: Jurnal Ilmiah Matematika Vol. 12 No. 01 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/mathunesa.v12n1.p197-207

Ikan adalah kelompok hewan bertulang belakang (vertebrata) yang hidup di dalam air, bernapas melalui insang, dan memiliki sirip untuk berenang. Dalam taksonomi, ikan masuk dalam kelompok paraphyletic. Ikan berperan penting dalam ekosistem perairan dan juga menjadi makanan pokok bagi banyak masyarakat di muka bumi ini. Selain dilihat dari bentuk tubuh, ekor, dan bentuk siripnya, corak pada tubuh ikan juga berperan penting dalam mengidentifikasi jenis ikan. Dalam matematika, gagasan mengenai fraktal adalah salah satu metode yang cocok untuk memahami pola atau bentuk yang tidak beraturan pada suatu objek. Dalam penelitian ini, dilakukan pengklasifikasian ikan laut berdasarkan corak pada tubuhnya menggunakan dimensi fraktal. Sebanyak 120 citra berwarna pada bagian tengah tubuh ikan laut digunakan untuk diubah ke dalam citra grayscale lalu dilakukan segmentasi pada corak tubuhnya. Daerah hasil segmentasi tersebut digunakan untuk mengetahui pola corak tubuh ikan menggunakan deteksi tepi Canny. Hasil nilai dimensi menggunakan box counting diklasifikasikan menggunakan metode K-Means Clustering dengan 8 klaster yang memiliki nilai akurasi sebesar 90%. Kata Kunci: Corak Tubuh Ikan Laut, Box Counting, K-Means.

Title

Found 18 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 18 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 18 Documents
Search