Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Generic Journal of Applied Computer Science and Technology (JACOST)
Jaka Kusuma
Universitas Potensi Utama
Computer Science & IT

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

Found 2 Documents
Search

 1 
Komparasi Algoritma Support Vector Machine Dan Naive Bayes Pada Klasifikasi Ras Kucing Jaka Kusuma; Abwabul Jinan; Muhammad Zulkarnain Lubis; Rubianto Rubianto; Rika Rosnelly
Generic Vol 14 No 1 (2022): Vol 14, No 1 (2022)
Publisher : Fakultas Ilmu Komputer, Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu hewan peliharaan yang paling populer ialah kucing. Kucing dipilih menjadi hewan peliharaan manusia karena tingkahnya sangat lucu. Kucing memiliki variasi ras yang sangat banyak. Terdapat 315 ras kucing pada seluruh dunia yang mana setiap ras kucing mempunyai ciri-ciri tertentu, akibat banyaknya terjadi perkawinan silang antara kucing kampung dan kucing ras dalam penentuan ras kucing menjadi lebih sulit. Seiring perkembangan zaman yang begitu cepat, perkembangan teknologi informasi pengenalan objek citra menjadi subjek yang sangat menarik dan tentunya berkaitan erat dengan data informasi. Maka peneliti akan melakukan komparasi antara algoritma Support Vector Machine (SVM) dan Naive Bayes (NB) pada klasifikasi citra ras kucing dengan memanfaatkan model Deep Learning SqueezeNet sebagai proses ekstraksi fitur pada citra. Dari hasil penelitian ini akan membuktikan secara empiris perbedaan antara accuracy, precision dan recall dari setiap algoritma. Hasil yang diperoleh menunjukan bahwa, dalam hal klasifikasi yang terbaik yaitu algoritma Support Vector Machine (SVM) dengan nilai accuracy 88.4%, precision 88.5% dan recall 88.4% sedangkan yang terendah adalah algoritma Naive Bayes (NB) dengan nilai accuracy 79.5%, precision 79.9% dan recall 79.5%.
Klasifikasi Penyakit Daun Pada Tanaman Jagung Menggunakan Algoritma Support Vector Machine, K-Nearest Neighbors dan Multilayer Perceptron Jaka Kusuma; Rubianto; Rika Rosnelly; Hartono; B. Herawan Hayadi
Journal of Applied Computer Science and Technology Vol 4 No 1 (2023): Juni 2023
Publisher : Indonesian Society of Applied Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52158/jacost.v4i1.484

Abstract

Corn is one of the substitute staple foods in Indonesia after rice. Maize crops grown in Indonesia often experience considerable losses due to maize plant diseases. Generally, plant diseases are initially caused by morphological changes in the leaves. Accurate detection and classification of diseases that appear on the leaves will prevent the widespread spread of the disease. This study will compare classification algorithms, namely Support Vector Machine, K-Nearest Neighbors, and Multilayer Perceptron to find the best algorithm in the classification of leaf disease in corn plants, namely, cercospora leaf spot gray, common rust, and northern leaf blight using the VGG-16 deep learning model used as image feature extraction. The results showed that the Multilayer Perceptron algorithm produced the best values with accuracy, precision, and recall of 97.4% each.
Co-Authors Abwabul Jinan B. Herawan Hayadi Hartono Hartono Muhammad Zulkarnain Lubis Rika Rosnelly Rubianto Rubianto Rubianto