SHOLEKHAH, FARIDA and Nurfalinda, Nurfalinda and Hayaty, Nurul (2024) KLASIFIKASI JENIS LAMUN (SEAGRASS) MENGGUNAKAN NAÏVE BAYES DAN EKSTRAKSI FITUR GLCM, ECCENTRICITY DAN ELONGATION (STUDI KASUS : DESA MALANG RAPAT DAN BERAKIT, BINTAN, KEPULAUAN RIAU). S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) FARIDA_SHOLEKHAH_2001020042_Teknik Informatika-Cover.pdf - Published Version Download (298kB)
	Text (Abstrak) FARIDA_SHOLEKHAH_2001020042_Teknik Informatika-Abstrak.pdf - Published Version Download (224kB)
	Text (BAB I) FARIDA_SHOLEKHAH_2001020042_Teknik Informatika-BAB I.pdf - Published Version Download (679kB)
	Text (Daftar Pustaka) FARIDA_SHOLEKHAH_2001020042_Teknik Informatika-Daftar Pustaka.pdf - Published Version Download (329kB)
	Text FARIDA_SHOLEKHAH_2001020042_Teknik Informatika-Full Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Lamun adalah tumbuhan berbunga yang dapat tumbuh di perairan dangkal dengan mempunyai peranan penting dalam siklus rantai makanan di daerah pesisir. Lamun memiliki banyak spesies yang disetiap spesies mempunyai perbedaan bentuk. Dalam hal membedakan jenis lamun seringkali menggunakan metode sederhana dengan mencocokkan tiap lamun dengan buku lamun. Untuk mempermudah hal tersebut maka dikembangkan sebuah sistem klasifikasi lamun menggunakan metode Naive Bayes dan ekstraksi ciri. Ekstraksi fitur yang digunakan adalah GLCM, Eccentricity, dan Elongation untuk merepresentasikan fitur lamun secara komprehensif. Dataset berupa gambar lamun dibagi kedalam 80% data training dan 20% data testing sehingga total 600 data dengan 480 data training dan 120 data testing. Hasil percobaan menunjukkan model klasifikasi yang telah dibuat menampilkan kinerja yang baik pada kelas Thalassia Hemprichi dengan mencapai akurasi sebesar 100% . Pada kelas Syringodium Isoetifolium mencapai akurasi sebesar 75% dan kelas Holudole Uninervis sebesar 64%. Dengan hal ini akurasi yang didapat adalah 80%.

Actions (login required)

View Item