Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal JISCOMP (Journal of Information System and Computer) INOVTEK Polbeng - Seri Informatika
Sihombing, Mecha Bella Permata
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Klasifikasi Jenis Bunga Menggunakan Algoritma K-NN Dengan Ekstraksi Fitur HSV Dan GLCM ., Dewa; Ardiansyah, Aldi; Sihombing, Mecha Bella Permata; Kurniawan, M.; Hartati, Ery
JUKOMPSI (Jurnal Komputer dan Sistem Informasi) Vol 3 No 2 (2025): Juni
Publisher : Teknik Komputer Fakultas Teknik Universitas Islam Kadiri (UNISKA)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32503/jiscomp.v3i2.7290

Abstract

Beragamnya jenis bunga di alam dengan kemiripan visual yang tinggi sering menyulitkan proses identifikasi, terutama bagi masyarakat awam maupun pelaku budidaya. Proses pengenalan manual cenderung memakan waktu dan tidak akurat. Oleh karena itu, penelitian ini mengusulkan pendekatan berbasis pengolahan citra digital dengan menggunakan algoritma K-Nearest Neighbor (K-NN) untuk mengklasifikasikan jenis bunga. Ekstraksi fitur dilakukan dengan metode HSV untuk warna dan GLCM untuk tekstur, sehingga citra bunga dapat direpresentasikan secara lebih menyeluruh. Dataset yang digunakan diperoleh dari situs Kaggle, terdiri dari tujuh kelas bunga dengan rasio pembagian data latih dan uji sebesar 60:40. Pengujian dilakukan pada nilai K=3, K=5, dan K=7, dengan akurasi tertinggi sebesar 67,86% untuk K=3 dan K=5. Hasil menunjukkan bahwa kombinasi fitur HSV dan GLCM mampu mendukung proses klasifikasi dengan hasil yang cukup baik, meskipun akurasinya masih dapat ditingkatkan dengan jumlah data lebih besar dan pengembangan metode. Penelitian ini diharapkan dapat menjadi dasar bagi pengembangan sistem klasifikasi objek serupa di bidang botani maupun pengenalan visual berbasis citra lainnya.
Classification Of Ulos Fabric Motifs Using MobileNetV3-Small Architecture Sihombing, Mecha Bella Permata; Devella, Siska
INOVTEK Polbeng - Seri Informatika Vol. 11 No. 1 (2026): February
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/d2sfn245

Abstract

Ulos fabric is an important cultural heritage of the Batak people in North Sumatra, characterized by diverse motifs and philosophical meanings that support social and ritual life. Public knowledge of Ulos motifs is declining due to lifestyle changes and limited use of digital technology for cultural education, so accurate image-based motif classification is needed for preservation and wider utilization. This study evaluates the performance of the lightweight MobileNetV3-Small architecture with a transfer learning approach for classifying Ulos motif images, positioning it as one of the earliest uses of MobileNetV3-Small for Ulos motif classification compared to previous Ulos studies that relied on heavier CNN or earlier MobileNet variants. The dataset consists of 906 images split into 80% training, 10% validation, and 10% testing, and the model is trained using the Adam optimizer with a batch size of 32 and learning rates of 0.001 and 0.0001. On the test data, the model achieves accuracies of 98.96% and 97.92%, with consistently high precision, recall, and F1-scores, demonstrating the effectiveness of MobileNetV3-Small for Ulos motif classification as a digital educational medium to support Batak cultural heritage preservation.
Co-Authors ., Dewa Ardiansyah, Aldi Devella, Siska Hartati, Ery M. Kurniawan, M.