Detail Dokumen
Pencarian SpesifikSkripsi
FEATURE SELECTION OPTIMIZATION BERBASIS ALGORITMA GENETIKA UNTUK KLASIFIKASI VARIETAS KISMIS MENGGUNAKAN SUPPORT VECTOR MACHINE
Abstrak
Anggur (Vitis vinifera L.) salah satu tanaman buah-buahan yang tumbuh yang
merambat pada bidang tertentu. Anggur dapat diolah menjadi jus, wine, kismis, dan
lain sebagainya. Kismis adalah buah anggur yang dikeringkan. Kismis memiliki
rasa dan aroma yang khas. Kismis merupakan sumber karbohidrat terkonsentrasi
dan bergizi, mengandung antioksidan, kalium, serat dan zat besi. Untuk
meningkatkan nilai akurasi digunakan Optimize Selection Genetic Algorithm (GA).
Penelitian ini dilakukan pemodelan menggunakan algoritma Support Vector
Mchine (SVM) dan Support Vector Machine (SVM) berbasis Optimize Selection
Genetic Algorithm (GA) dengan menggunakan dataset raisin (varietas kismis) yang
didapatkan dari UCI Machine Learning Repository. Dataset penelitian dibagi
menjadi data training dan data testing. Pembagian data tersebut akan dilakukan
dengan menggunakan operator Cross Validation dan Split Validation. Validasi data
dengan 10-Fold-Validation pada Algoritma Support Vector Machine (SVM)
memiliki tingkat performa terbaik diantara 5 algoritma lainnya seperti; Naïve
Bayes, K-Nearest Neighbor (K-NN), Decision Tree, Neural Network, dan Random
Forest. Algoritma Support Vector Machine (SVM) menghasilkan nilai akurasi dan
AUC sebesar 87,11% untuk akurasi dan 0,928 untuk AUC. Optimasi pada
penelitian ini menggunakan Optimize Selection Genetic Algorithm (GA). Support
Vector Machine (SVM) berbasis Optimize Selection Genetic Algorithm (GA)
menghasilkan nilai akurasi dan AUC sebesar 87,67% untuk akurasi dan 0,930 untuk
AUC.
Ketersediaan
S03019K | 026/S1.TI.SKP/2022-2023 | Teknik Informatika | Tersedia |
Informasi Detail
Nomor Serial |
026/S1.TI.SKP/2022-2023
|
---|---|
Penerbit | : ., 2022/2023 |
ISBN/ISSN |
-
|
Judul Seri |
-
|
---|---|
Deskripsi Fisik |
-
|
Subyek |
Versi lain
Tidak tersedia versi lain