Optimasi Identifikasi Klasifikasi Nyamuk Aedes Aegypti Dalam Ekstraksi Fitur Glcm Dan KNN
DOI:
https://doi.org/10.54593/awl.v3i2.100Keywords:
Identifikasi, Klasifikasi, Nyamuk Aedes Aegypti, GLCM, KNN.Abstract
Di negara tropis seperti Indonesia penyebaran nyamuk aedes aegypti sangat mudah dengan kondisi lingkungan yang mendukung untuk nyamuk berkembang biak. Dengan ciri khas nyamuk berukuran kecil dan memiliki tubuh berwarna hitam belang putih disekujur tubuhnya. Dalam hal ini peneliti melakukan identifikasi klasifikasi dalam ekstraksi Gray Level Co-occurrence Matrix dan K-Nearest Neighbor untuk mengoptimalkan citra nyamuk Aedes Aegypti. Klasifikasi K-Nearest Neighbor digunakan dalam penelitian dengan pengujian citra dataset yang didapat melalui website kaggel sebanyak 1.958 sampel citra, terdiri dari 981 citra image aedes aeygpti dan 977 citra mask aedes aeygpti yang dipisahkan menjadi data 700 training dan 300 test, menunjukkan nilai Akurasi sebesar 99,00% dan nila Loss sebesar 1,00% bahwa penelitian dengan menggunakan metode ini sangat baik.
References
S. Zen and A. Sutanto, “Identifikasi Jenis Kontainer dan Morfologi Nyamuk Aedes sp di Lingkungan SD Aisyiah Kecamatan Metro Selatan Kota Metro,” Pros. Semin. Nas. Pendidik., pp. 472–477, 2017, [Online]. Available: http://repository.ummetro.ac.id/files/semnasdik/9abc87cd3fdf420307008e22951d0cc8.pdf.
S. Susanti and S. Suharyo, “Hubungan Lingkungan Fisik Dengan Keberadaan Jentik Aedes Pada Area Bervegetasi Pohon Pisang,” Unnes J. Public Heal., vol. 6, no. 4, pp. 271–276, 2017, doi: 10.15294/ujph.v6i4.15236.
R. Amilia and E. Prasetyo, Klasifikasi Diagnosa Penyakit Demam Berdarah Dengue Pada Anak Menggunakan Metode K-Nearest Neighbor. 2021.
D. B. Wahyudi, K. Kusrini, and F. W. Wibowo, “Pola Tekstur Permukaan untuk Klasifikasi Mutu Ubin Teraso Menggunakan GLCM dan KNN,” Creat. Inf. Technol. J., vol. 5, no. 1, p. 49, 2019, doi: 10.24076/citec.2017v5i1.166.
A. Salsabila, R. Yunita, and C. Rozikin, “Identifikasi Citra Jenis Bunga menggunakan Algoritma KNN dengan Ekstrasi Warna HSV dan Tekstur GLCM,” Technomedia J., vol. 6, no. 1, pp. 124–137, 2021, doi: 10.33050/tmj.v6i1.1667.
H. Shim et al., “Implementasi Convolution Neural Network (CNN) Untuk Klasifikasi Jamur Konsumsi Di Indonesia Menggunakan Keras,” Adv. Opt. Mater., vol. 10, no. 1, pp. 1–9, 2018, [Online]. Available: https://doi.org/10.1103/PhysRevB.101.089902%0Ahttp://dx.doi.org/10.1016/j.nantod.2015.04.009%0Ahttp://dx.doi.org/10.1038/s41467-018-05514-9%0Ahttp://dx.doi.org/10.1038/s41467-019-13856-1%0Ahttp://dx.doi.org/10.1038/s41467-020-14365-2%0Ahttp://dx.doi.org/1.
S. T. Informatika, “Implementasi Deteksi Real Time Klasifikasi Jenis Kendaraan Di Indonesia Menggunakan Metode YOLOV5,” vol. 6, pp. 13971–13982, 2022.
S. Siswanto, D. A. Prasetya, N. Rachman, and B. F. Hidayatulail, “Pengendali Robot Beroda Berbasis Sensor Telemetri Voice Pattern Recognition,” JASIEK (Jurnal Apl. Sains, Informasi, Elektron. dan Komputer), vol. 1, no. 1, 2019, doi: 10.26905/jasiek.v1i1.3147.
M. A. Hasan and D. Y. Liliana, “Pengenalan Motif Songket Palembang Menggunakan Deteksi Tepi Canny, PCA dan KNN,” Multinetics, vol. 6, no. 1, pp. 1–7, 2020, doi: 10.32722/multinetics.v6i1.2700.
B. C. Octariadi, “Pengenalan Pola Tanda Tangan Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation,” J. Teknoinfo, vol. 14, no. 1, p. 15, 2020, doi: 10.33365/jti.v14i1.462.
E. F. Himmah, M. Widyaningsih, and M. Maysaroh, “Identifikasi Kematangan Buah Kelapa Sawit Berdasarkan Warna RGB Dan HSV Menggunakan Metode K-Means Clustering,” J. Sains dan Inform., vol. 6, no. 2, pp. 193–202, 2020, doi: 10.34128/jsi.v6i2.242.
M. Ramadhani, “Klasifikasi Jenis Jerawat Berdasarkan Tekstur dengan Menggunakan Metode GLCM,” e-Proceding of Enggineering, vol. 5, no. 1, pp. 870–876, 2018.
E. Juniati, “2D Semantic Labeling Penutup Lahan di Area Urban dengan Analisis Berbasis Objek Dari Foto Udara dan LiDAR,” no. October, 2018, doi: 10.13140/RG.2.2.24118.32320.
F. Zikra, K. Usman, and R. Patmasari, “Deteksi Penyakit Cabai Berdasarkan Citra Daun Menggunakan Metode Gray Level Co-Occurence Matrix Dan Support Vector Machine,” Semin. Nas. Has. Penelit. dan Pengabdi. Masy., vol. ISSN: 2598, no. E-ISSN: 2598-0238, p. 105, 2021.
S. Riyadi and D. I. Mulyana, “Optimasi Image Classification Pada Wayang Kulit Dengan Convolutional Neural Network,” JUST TI (Jurnal Sains Terap. Teknol. Informasi) 14, vol. 1, no. September 2021, pp. 17–24, 2022.
A. M. Argina, “Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes,” Indones. J. Data Sci., vol. 1, no. 2, pp. 29–33, 2020, doi: 10.33096/ijodas.v1i2.11.
R. Rasenda, H. Lubis, and R. Ridwan, “Implementasi K-NN Dalam Analisa Sentimen Riba Pada Bunga Bank Berdasarkan Data Twitter,” J. Media Inform. Budidarma, vol. 4, no. 2, p. 369, 2020, doi: 10.30865/mib.v4i2.2051.
I. Putri and P. Lestari, “Prediksi interaksi protein hiv-1 dengan manusia berdasarkan barisan asam amino menggunakan k-nearest neighbor dan weighted k-nearest neighbor,” 2019.
M. Nazmi, A. Malisi, and E. B. Setiawan, “Ekspansi Fitur dengan Word2Vec pada Klasifikasi Topik dengan Metode Naive Bayes-Support Vector Machine di Twitter,” vol. 9, no. 1, pp. 67–78, 2022.
Downloads
Published
Issue
Section
License
Copyright (c) 2022 Gusniar Alfian Noor, Dadang Iskandar Mulyana
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
<p><a href="http://creativecommons.org/licenses/by-nc-sa/4.0/" rel="license"><img style="border-width: 0;" src="https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png" alt="Creative Commons License" /></a><br /><strong>JURNAL WIDYA (awl)</strong> This work is licensed under a <a href="http://creativecommons.org/licenses/by-nc-sa/4.0/" rel="license">Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License</a>.</p>
