p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Jurnal Ecolab JURTEKSI
Vandri Ahmad Isnaini
Unknown Affiliation

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

Found 2 Documents
Search

RFE, BOXCOX, AND PCA COMPARISON FOR MULTICLASS CLASSIFI-CATION SUPPORT VECTOR MACHINE OPTIMIZATION Indrawata Wardhana; Vandri Ahmad Isnaini; Rahmi Putri Wirman
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 8, No 2 (2022): April 2022
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v8i2.1378

Abstract

Abstract: The technique of multiclass classification based on SVMs has been widely used. SVM optimization will be accomplished by examining the extraction features of Principal Component Analysis (PCA), Box-Cox Transformation, and Recursive Feature Elimination (RFE). The dataset contains 13,611 rows and 17 variables, generated from the UCI repository's multiclass dry bean data. Barbunya, Bombay, Cal, Dermas, Horoz, Seker, and Sira are just a few of the dry bean kinds available. The dataset was tested using SVM Linear kernel and SVM Radial Basis.According to the results, the combination of scale-center-BoxCox-SVM Radial extraction achieves the maximum accuracy of 93.16 percent and the shortest processing time of 6.10 minutes. 96.00 percent, 100 percent, 96.71 percent, 95.16 percent, 97.60 percent, 97.74 percent, and 91.95 percent, according to bean class.RFE-SVM Radial has a 91.18 percent accuracy and a processing time of 6.55 minutes. BoxCox outperforms conventional techniques in terms of prediction accuracy while requiring less training time.            Keywords: Bean, PCA, BoxCox, SVM, RFE  Abstrak: Klasifikasi Multikelas menggunakan SVM telah banyak digunakan. Pada penelitian ini akan diuji fitur ekstraksi Principal Component Analysis, Box Cox Transformation dan fitur eliminisi Recursive Feature Elimination untuk mendapatkan optimasi SVM. Dataset berasal dari data multikelas kacang kering UCI repository dengan jumlah 13.611 baris dan 17 variabel. Kelas kacang kering yakni :  Barbunya, Bombay, Cal, Dermas, Horoz, Seker dan Sira. Dataset diuji menggunakan kernel SVM Linier dan SVM Radial Basis. Didapatkan hasil, bahwa kombinasi fitur ekstraksi : scale-center-BoxCox-SVM Radial memiliki akurasi terbaik yakni 93,16% dan waktu proses 6,10 menit. Klasifikasi berdasarkan kelas kacang berturut-turut 96,00%,100%, 96,71%, 95,16%, 97,60%, 97,74% dan 91,95%. RFE- SVM Radial hanya memberikan akurasi sebesar 91,18 % dengan waktu proses sebesar 6.55 menit. Penggunaan BoxCox dibandingkan dengan lainnya, memberikan hasil prediksi lebih baik dan namun tidak mempercepat waktu pelatihan. Kata kunci: BoxCox; Kacang; PCA; RFE; SVM
Kajian Sifat Mekanik Serat Alam Limbah Tumbuhan sebagai Bahan Baku Bio-Komposit Vandri Ahmad Isnaini; Rahmi Putri Wirman; Indrawata Wardhana; Try Susanti; Shabri Putra Wirman
Jurnal Ecolab Vol 16, No 2 (2022): ECOLAB
Publisher : Pusat Standardisasi Instrumen Kualitas Lingkungan Hidup Laboratorium Lingkungan (P3KLL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20886/jklh.2022.16.2.117-127

Abstract

Serat alam adalah bahan baku yang banyak terdapat di alam dan merupakan bahan yang ramah lingkungan. Pemanfaatan limbah perkebunan atau hutan sebagai sumber serat alam juga ikut berkontribusi sebagai solusi masalah lingkungan. Penelitian ini dirancang untuk melakukan eksplorasi dan pengukuran sifat mekanik beberapa jenis serat alam yang terdapat di wilayah Provinsi Jambi. Sifat mekanik dari sampel serat alam diuji dengan alat universal testing machine yaitu penentuan nilai kuat tarik bahan (tensile test). Pengujian kuat tarik dilakukan dengan metode serat tunggal dengan panjang pengukuran 3 cm. Sebelum diuji, diameter sampel diukur sebagai variabel penentu luas sampel dengan menggunakan analisis gambar digital dari mikroskop dengan aplikasi ImageJ. Sedangkan tensile test digunakan untuk mencari nilai kekuatan maksimum dari serat alam. Dari hasil eksperimen, ukuran dari serat alam berkisar dari 0.0131 cm dengan ukuran terkecil dan nilai 0.0896 cm ukuran yang terbesar. Serat alam yang memiliki kekuatan tertinggi adalah serat dari daun nipah (Nypa fruticans), yaitu sebesar 13.54 Kg/cm2. Pola pengukuran nilai kuat tarik terhadap perubahan waktu menunjukkan bahwa serat alam merupakan serat berjenis elastis.