Article Per Year (5 Year)
p-Index From 2019 - 2024
0.702
P-Index
This Author published in this journals
All Journal JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Amalia, Resti
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
Klasifikasi Citra Menggunakan Metode Random Forest dan Sequential Minimal Optimization (SMO) Rosyani, Perani; saprudin, saprudin; amalia, resti
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 9, No 2 (2021)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (407.722 KB) | DOI: 10.26418/justin.v9i2.44120

Abstract

 Klasifikasi bertujuan untuk memisahkan antara jenis-jenis kategori dan label yang telah dibuat. Didalam penelitian ini kami mecoba mengklasifiaksi citra bunga dengan menggunakan proses segmentasi. Segmentasi ini kami gunakan untuk menghilangkan noise yang ada didalam background. Selain itu untuk mendapatkan fitur dari gambar yang kami klasifikasi. Fitur yang kami gunakan adalah eccentricity, perimeter, metric dan area. Setal itu kami proses sehingga mendapatkan nilai. Kami menggunakan 120 gambar dari dataset 17flower dengan 2 jenis bunga berwarna putih dan kuning. Kemudian kami bagi menjadi data training dan data test dengan metode klasifikasi Random forest dan SMO yang diolah dengan skenario 10-fold cross-validation dan 66% split. Hasilnya adalah metode Random forest memiliki akurasi yang terbaik dengan 2 skenario yang berbeda dibandingkan dengan SMO.
Deteksi Objek dengan Model Warna Ycbcr dan Similiarity Distance Rosyani, Perani; Amalia, Resti; Ikasari, Ines Heidiani
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 9, No 2 (2021)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (789.914 KB) | DOI: 10.26418/justin.v9i2.44230

Abstract

Deteksi object menjadi hal menarik untuk diteliti, namu deteksi object tidak lepas dari proses segmentasi untuk melepaskan background dengan area penting untuk dideteksi. Dalam peneltiian ini kami menggunakan segmentasi warna YCbCr dengan kluster warna 2 dan 3 dari metode K-Means pada 139 image dari dataset ImageClef2017. Images yang kami ambil memiliki karakteristik background yang kompleks sehingga membutuhkan operator-operator selain metode dari segmentasi warna seperti holes, filter dan openarea. Kami juga menggunakan pendekatan jarak dari Manhattan distance untuk mengkluster warna. Tujuan dari penelitian ini untuk mendapatkan nilai akurasi terbaik dari kluster-kluster yang kami teliti. Hasil yang kami peroleh adalah kluster 3 mendapatkan akurasi lebih baik dibandingkan kluster 2.
Co-Authors Ines Heidiani Ikasari Perani Rosyani Saprudin Saprudin, Saprudin