Analisis Perbandingan K-Nearest Neighbor Dan Support Vector Machine Pada Klasifikasi Jenis Sapi Dengan Metode Gray Level Coocurrence Matrix
December 2022  //  DOI: 10.54082/jiki.27
Salsabil Farah Aqilah Wijaya, Koredianto Koredianto, Sofia Saidah

Metrics

  • Eye Icon 0 views
  • Download Icon 0 downloads
Metrics Icon 0 views  //  0 downloads
Analisis Perbandingan K\u002DNearest Neighbor Dan Support Vector Machine Pada Klasifikasi Jenis Sapi Dengan Metode Gray Level Coocurrence Matrix Image
Abstract

Sapi merupakan hewan ternak yang banyak dibudidayakan di Indonesia mulai dari daging, susu, kotoran, kulit, hingga membantu bercocok tanam. Menurut Badan Pusat Statistik pada tahun 2020 terdapat 17.466.792 ekor populasi sapi potong yang ada di Indonesia. Dari 17.466.792 ekor populasi sapi potong yang ada di Indonesia terdapat 896.200 ekor populasi sapi yang ada di Sumatera Utara yang merupakan provinsi 6 teratas yang memiliki populasi sapi potong terbanyak. Tetapi permasalahannya masih banyak peternak yang tidak mengetahui jenis dari sapi yang dimiliki sehingga perawatan yang salah pada sapi yang dimiliki tentu akan berpengaruh terhadap kualitas sapi yang dihasilkan. Dalam penelitian merancang sistem klasifikasi jenis sapi dengan metode Gray Level Cooccurrence Matrix (GLCM) menggunakan klasifikasi K-Nearest Neighbor dan Support Vector Machine (SVM) menggunakan 2 jenis klasifikasi yaitu klasifikasi K-NN dan klasifikasi SVM. Dalam pengujian ini didapatkan akurasi sebesar 100% pada klasifikasi K-NN dengan waktu komputasi sebesar 0.967 s dengan menggunakan jenis distance mahalonobis dengan nilai k =1 dan pada klasifikasi SVM didapatkan tingkat akurasi 80% dengan waktu komputasi sebesar 1.570 s dengan menggunakan jenis kernel polynomial dengan kelas SVM OAO. Dari hasil pengujian yang didapatkan sistem klasifikasi jenis sapi lebih mendapatkan nilai akurasi terbaik pada klasifikasi K-NN dengan nilai K=1 dan jenis distance mahalanobis.

Full text
Show more arrow
 
More from this journal
Identifikasi Penyakit Daun Jeruk Siam Menggunakan K-Nearest Neighbor
Identifikasi Penyakit Daun Jeruk Siam Menggunakan K\u002DNearest Neighbor Image
Kotak Sampah Pintar Menggunakan Sensor Ultrasonik Berbasis Mikrokontroller Arduino Uno pada Kantor Seketariat DPRD Kota Pematangsiantar
Kotak Sampah Pintar Menggunakan Sensor Ultrasonik Berbasis Mikrokontroller Arduino Uno pada Kantor Seketariat DPRD Kota Pematangsiantar Image
🧐  Browse all from this journal

Metrics

  • Eye Icon 0 views
  • Download Icon 0 downloads
Metrics Icon 0 views  //  0 downloads