Article Per Year (5 Year)
p-Index From 2021 - 2026
1.456
P-Index
This Author published in this journals
All Journal Jupiter JSI: Jurnal Sistem Informasi (E-Journal) PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer JUTIS : Jurnal Teknik Informatika Jurnal Mandiri IT SARGA Jurnal Abdimas Maduma Jurnal Ekonomi Manajemen Dan Bisnis (JEMB) International Research Journal of Business Studies Jurnal Perikanan dan Kelautan (PERAUT)
Willy
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Library & Information Science Mathematics Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jupiter

 1 
Perbandingan Klasifikasi HSI Menggunakan 3DCNN dan Pra-Pemrosesan pada Kondisi Sampel Pelatihan Terbatas Florensia, Yesinta; Miftahul Falah; Dewi Sartika; Meylani Utari; Purwita Sari; Willy
JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer) Vol 17 No 3 (2025): Jurnal Penelitian Ilmu dan Teknologi Komputer (JUPITER)
Publisher : Teknik Komputer Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.17961599

Abstract

Klasifikasi citra hiperspektral menghadapi tantangan utama berupa dimensi data yang sangat tinggi, ketidakseimbangan kelas, serta keterbatasan sampel berlabel. Penelitian ini melakukan studi komparatif untuk mengevaluasi efektivitas kombinasi metode Three-Dimensional Convolutional Neural Network (3DCNN) dengan Principal Component Analysis (PCA), oversampling, dan augmentasi data pada kondisi ekstrem, yaitu hanya 2% data latih. Menggunakan dataset Indian Pines, delapan skenario pengujian dikembangkan untuk menganalisis pengaruh masing-masing teknik praproses terhadap performa model pada 50 dan 100 epoch. Hasil eksperimen menunjukkan bahwa PCA berperan penting dalam meningkatkan stabilitas dan akurasi model, terutama ketika dikombinasikan dengan oversampling dan augmentasi. Model terbaik diperoleh pada skenario 3DCNN-PCA-oversampling-augmentasi yang mencapai Overall Accuracy 79.39%, Kappa 76.12%, dan Average Accuracy 65.54% pada 100 epoch. Kombinasi tersebut mampu mengatasi dimensi tinggi serta distribusi sampel yang tidak seimbang, dan menunjukkan kinerja yang lebih stabil dibandingkan model tanpa reduksi dimensi. Meskipun demikian, misklasifikasi masih terjadi pada kelas dengan spektrum yang sangat mirip dan kelas dengan variasi intra-kelas tinggi. Secara keseluruhan, integrasi PCA, oversampling, dan augmentasi terbukti sebagai strategi paling efektif untuk meningkatkan performa 3DCNN pada kondisi data latih yang sangat terbatas.
Co-Authors Abdurahman Alya Angeline Ardian Ardina Ariani Ari Wedhasmara Buchari, Muhammad Ali Dewi Sartika Ermatita - Evelyn Thalia Fitriani Florensia, Yesinta Frincillia Hukul, Putri Rani I Gusti Ngurah Anom Gunawan Iin Seprina Irawan Joycelyn Calista Junia Kurniati Kory Keith Ping Marcella Angelin Cou Maria Fransiska Marjusalinah, Anna Dwi Marrylinteri Meylani Utari Miftahul Falah Mira Afrina Naretha Kawadha Pasemah Gumay Periawan Purwita Sari Putri, Selviyani Eka Rahmat Fadli Isnanto Ricy Firnando Santina Shelly Graciella Stevanus Pangestu, Stevanus Steven Rionaldo Chen Sukmasari Sumani Suwarlan, Stivani Ayuning Tri Winter XAVERIUS