JURNAL SISTEM INFORMASI BISNIS
Vol 9, No 2 (2019): Volume 9 Nomor 2 Tahun 2019

Klasifikasi Citra Alat Musik Tradisional dengan Metode k-Nearest Neighbor, Random Forest, dan Support Vector Machine

Sujaini, Herry (Unknown)

Article Info

Publish Date
14 Nov 2019

Abstract

Dalam dekade terakhir, metode non-parametrik (algoritma berbasis pembelajaran mesin) semakin banyak dipergunakan dari berbagai aplikasi berbasis pengolahan citra digital. Penelitian ini bertujuan untuk membandingkan tiga metode non-parametrik yaitu Metode k-Nearest Neighbor (kNN), Random Forest (RF), dan Support Vector Machine (SVM) terhadap klasifikasi citra alat musik tradisional di Indonesia yang populer di kalangan masyarakat yaitu : angklung, djembe, gamelan, gong, gordang, kendang, kolintang, rebana, sasando, dan serunai. Dari hasil eksperimen pengklasifikasian dengan metode kNN, RF dan SVM, metode kNN memiliki akurasi yang paling baik. Rata-rata nilai precision ketiga metode tersebut berturut-turut adalah 92,1% untuk kNN, 85,4% untuk SVM, dan 69,4% untuk RF

Copyrights © 2019




Citation Download
RIS
EndNote, Reference Manager, ProCite
BibTex
Latex, Jabref
Full PDF
821.284 KB
Original Source
Download Original
Google Scholar
Check in Google Scholar
Journal Info
JURNAL SISTEM INFORMASI BISNIS
Website

Abbrev

jsinbis

Publisher

Universitas Diponegoro

Subject

Computer Science & IT Economics, Econometrics & Finance

Description

JSINBIS merupakan jurnal ilmiah dalam bidang Sistem Informasi bisnis fokus pada Business Intelligence. Sistem informasi bisnis didefinisikan sebagai suatu sistem yang mengintegrasikan teknologi informasi, orang dan bisnis. SINBIS membawa fungsi bisnis bersama informasi untuk membangun saluran ...