Article Per Year (5 Year)
p-Index From 2019 - 2024
0.835
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Sinkron : Jurnal dan Penelitian Teknik Informatika Martabe : Jurnal Pengabdian Kepada Masyarakat Jurnal Abdimas Kartika Wijayakusuma Journal Of Natural Science and Technology Adpertisi
Nurul Afifah Arifuddin
Universitas Pembangunan Nasional Veteran Jakarta
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Education Electrical & Electronics Engineering Energy Engineering Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Techno.Com: Jurnal Teknologi Informasi

 1 
Komparasi Naïve Bayes dan Support Vector Machine dalam Klasifikasi Jenis Citrus I Wayan Pinastawa; Nurul Afifah Arifuddin
Techno.Com Vol 22, No 2 (2023): Mei 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i2.7777

Abstract

Citrus merupakan pohon berbunga dan tergolong dalam kelompok Rutaceae. Pohon Citrus menghasilkan buah jeruk dengan berbagai jenis buah-buahan. Karena kesamaan spesies sehingga antar jenisnya memiliki kemiripan satu sama lain, dan tidak semua dapat melakukan identifikasi secara jelas setiap jenis buahnya. Cara yang dapat dilakukan untuk melakukan identifikasi dan pengelompokan adalah menggelompokan data sesuai dengan kelas label aslinya menggunakan bantuan data mining. Pendekatan data mining yang dapat diterapkan salah satunya dengan teknik klasifikasi, dengan melakukan pengelompokan berdasarkan kriteria atau kategori tertentu. Pada hal ini, klasifikasi didasarkan pada diameter, dan citra warna Red, Green, Blue atau RGB untuk mendapatkan pengelompokan sesuai dengan kelasnya. Algoritma yang digunakan ada 2 yakni, Support Vector Machine (SVM) dan Naïve Bayes, keduanya akan dilakukan perbandingan dalam melakukan klasifikasi pengelompokan jenis buah citrus. Teknik komparasi dilakukan dengan mengamati hasil akurasi dari setiap algoritma klasifikasi, penelitian ini menyimpulkan bahwa akurasi algoritma Support Vector Machine (SVM) mencapai prosentase sebesar 96,36 % dan algoritma Naïve Bayes memiliki akurasi sebesar 92 %. Algoritma paling optimal dalam penelitian klasifikasi citrus ini adalah algortima Support Vector Machine (SVM).  
Co-Authors Andi Maulidinnawati Febri Hidayat Saputra I Wayan Rangga Pinastawa Musthofa Galih Pradana Neny Rosmawarni Neny Rosmawarni Niqotaini, Zatin Nurhajar Anugraha Nurhajar Anugraha Yulianto Pangayan