Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Teknoinfo

IMPLEMENTASI DENSITY-BASED CLUSTERING PADA SEGMENTASI CITRA Betta Fish Yunda Heningtyas; Fathur Rahmi; Kurnia Muludi
Jurnal Teknoinfo Vol 16, No 1 (2022): Januari
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v16i1.1273

Abstract

Pada masa pandemi COVID-19, peminat ikan hias semakin meningkat jumlahnya, terutama peminat ikan hias spesies Betta Fish. Betta Fish merupakan jenis ikan hias dengan spesies yang beragam dengan keindahan warna dan morfologi tubuh, terutama bentuk ekornya. Semakin beragam corak warna ikan dan bentuk ekor yang unik, semakin mahal harga jual dari ikan hias jenis ini. Permintaan pasar terhadap ikan Betta Fish semakin tinggi sehingga menyebabkan harga jual Betta Fish juga meningkat. Namun, tidak semua pecinta ikan hias mengenali nama spesies dari ikan Betta Fish. Untuk itu, diperlukan sebuah sistem berbasis pattern recognition yang dapat mengenali spesies Betta Fish. pattern recognition memiliki beberapa tahapan, yaitu segmentasi, ekstraksi, dan klasifikasi. Penelitian ini bertujuan untuk memisahkan (segmentasi) objek dengan background pada citra digital. Dataset yang digunakan berjumlah 160 citra dengan jumlah citra untuk setiap spesies adalah 40 citra. Spesies Betta Fish yang digunakan adalah Halfmoon, Double Tail, Serit dan Plakat. Tahapan pertama dengan mengonversi citra menjadi model warna saturation dan intensity. Metode yang digunakan pada proses segmentasi adalah Density-Based Clustering. Density-Based Clustering merupakan metode segmentasi dengan cara membentuk cluster berdasarkan tingkat kepadatan dari area objek. Proses segmentasi menggunakan metode Density-Based Clustering mencapai tingkat akurasi sebesar 92,82%.
HOTSPOT PREDICTIVE MODELING USING REGRESSION DECISION TREE ALGORITHM Dewi Asiah Shofiana; Yohana Tri Utami; Yunda Heningtyas
Jurnal Teknoinfo Vol 16, No 2 (2022): Juli
Publisher : Universitas Teknokrat Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33365/jti.v16i2.2051

Abstract

Forest fires had always become an international issue influencing many life sectors, including environmental, social, and economic. The forest fire in 2013 was regarded as one of the worst forest fire tragedies in history, not only in Indonesia but also in the world. Detection of hotspots on the earth's surface by the satellite can be an indication of land and forest fire occurrence. This research aims to build a predictive model of monthly hotspots in Rokan Hilir Regency using the regression tree algorithm. Several variables related to weather information are included, such as rainfall, sea surface temperature, and southern oscillation index. This research used 245 training data and 43 testing data, resulting a predictive model with a correlation of 0.875 and an error rate of 0.166. Based on the values, we can conclude that the performance of the model is considerably good.