Perpustakaan Universitas Nurul Jadid Paiton-Probolinggo

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu
No image available for this title

Electronic Resource

PENERAPAN PRINCIPAL COMPONENT ANALYSIS UNTUK SELEKSI ATRIBUT DALAM KLASIFIKASI JAMUR MENGGUNAKAN K-NEAREST NEIGHBOR

USWATUN HASANAH - Nama Orang;

Jamur merupakan salah satu tumbuhan yang banyak dikonsumsi oleh masyarakat, dari sekian banyak jamur yang tumbuh tidak semua jamur dapat dikonsumsi. Salah satu cara untuk membedakan antara jamur pangan dan jamur beracun adalah dengan menggunakan teknik klasifikasi. Teknik klasifikasi yang akan digunakan dalam penelitian ini adalah K-Nearest Neighbor (KNN), di mana data yang digunakan pada penelitian ini diperoleh dari UCI Machine Learning Repository sebanyak 8124 data dengan 22 atribut. Melihat atribut dalam dataset yang digunakan sangat banyak, tentunya hal tersebut dapat mempengaruhi kinerja KNN dalam melakukan klasifikasi, mengingat salah satu kelemahan KNN adalah rentan terhadap data dengan dimensionalitas yang tinggi.Dengan demikian penulis mengusulkan untuk melakukan seleksi atribut terlebih dahulu terhadap data yang digunakan sehingga dihasilkan atribut yang lebih sedikit untuk kemudian diklasifikasikan menggunakan algoritma KNN.Metode yang digunakan untuk melakukan seleksi atribut terhadap data jamur yang digunakan adalah algoritma Principal Component Analysis (PCA).Di mana pada penelitian ini dilakukan perbandingan klasifikasi data jamur yang hanya menggunakan KNN Konvensional dengan klasifikasi jamur menggunakan KNN yang atributnya telah diseleksi menggunakan algoritma PCA.Berdasarkan hasil pengujian menggunakan metode yang diusulkan, metode PCA dapat menyederhanakan atribut yang awalnya 21 menjadi 6 atribut saja. Di mana hasil akurasi klasifikasi paling optimal yang diperoleh dari K=3 mencapai 100% pada KNN Konvensional dengan 21 atribut dan KNN+PCA dengan 6 atribut saja.


Ketersediaan
S00161011.75 HAS pMy LibraryTersedia
Informasi Detail
Judul Seri
-
No. Panggil
011.75 HAS p
Penerbit
PAITON PROBOLINGGO : UNUJA., 2021
Deskripsi Fisik
79 halaman
Bahasa
Indonesia
ISBN/ISSN
17010080
Klasifikasi
NONE
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Principal Component Analysis, Seleksi Fitur, Klasifikasi, Jamur, K-Nearest Neighbor
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
  • Harap masuk untuk melihat lampiran
Komentar

Anda harus masuk sebelum memberikan komentar

Perpustakaan Universitas Nurul Jadid Paiton-Probolinggo
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2025 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik