Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number T-0953 (Softcopy T-0614)
Collection Type Tesis
Title Pengenalan jenis katak dan kodok berdasarkan ciri bentuk dan penklasifikasi dengan pendekatan statistik fuzzy dan jaringan syaraf tiruan
Author Yulia Aris Kartika;
Publisher Depok: Fasilkom UI, 2011
Subject
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
T-0953 (Softcopy T-0614) TERSEDIA
Tidak ada review pada koleksi ini: 34353
Pada penelitian ini dikembangkan sistem identifikasi jenis Anura dari citra kaki Anura dengan menggunakan metode pengolahan citra. Ekstraksi ciri-ciri karakteristik pembeda jenis Anura menggunakan metode moment invariant, dimensi fraktal, dan rasio perimeter dan luas. Ciri karakteristik pembeda jenis Anura yang digunakan untuk proses identifikasi yaitu fituk bentuk yang terdiri dari bentuk ujung jari, bentuk selaput, dan bentuk kaki secara keseluruhan. Setelah mendapat ciri-ciri pembeda jenis Anura, maka dilakukan proses seleksi ciri sebelum dilakukan proses klasifikasi. Seleksi ciri dilakukan menggunakan varian data dan data mining. Metode klasifikasi yang digunakan terdiri dari dua model klasifikasi diantaranya yaitu pendekatan model statistik (Naive Bayesian Classifier), dan pendekatan model bebas yaitu fuzzy (FLVQ (Fuzzy Learning Vector Quantization)) dan Jaringan Syaraf Tiruan (BPNN (Back Propagation Neural Network) dan ELM (Extreme Learning Machine)). Dari hasil penelitian ternyata ciri yang efektif dalam proses identifikasi yaitu m1-a, m4-a, m5-a, m6-a, r-a, r-b. Hasil seleksi ciri dari 26 ciri yang ada, ternyata kombinasi yang paling baik yaitu kelompok 2 STD, kelompok 3 STD, dan kelompok 2 varian data. Hasil klasifikasi yang paling baik 0,9143 dengan menggunakan classifier ELM.