Article Per Year (5 Year)
p-Index From 2021 - 2026
1.573
P-Index
This Author published in this journals
All Journal Insect (Informatics and Security) : Jurnal Teknik Informatika JURNAL MAHAJANA INFORMASI AJAD : Jurnal Pengabdian kepada Masyarakat Edu Research : Jurnal Penelitian Pendidikan Jurnal Pengabdian Informatika (JUPITA) International Journal of Language, Education, and Literature (IJLEL) Jurnal of Islamic Economic Studies Catha : Jurnal Penelitian Kreatif dan Inovatif
Rezki
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Nursing Physics Public Health Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
PERBANDINGAN ALGORITMA NAÏVE BAYES DAN LONG SHORT-TERM MEMORY DALAM KLASIFIKASI KUALITAS SUSU Fajar Rahardika Bahari Putra; Murni; Muhammad Surahmanto; Rezki; Dimas Adi Suseno
Jurnal Mahajana Informasi Vol 10 No 2 (2025): JURNAL MAHAJANA INFORMASI
Publisher : Universitas Sari Mutiara Indonesia Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51544/jurnalmi.v10i2.6857

Abstract

Latar belakang: Kualitas susu merupakan aspek penting dalam industri pangan karena secara langsung berkaitan dengan keamanan konsumsi dan kesehatan masyarakat. Pengujian kualitas susu konvensional memiliki keterbatasan dalam efisiensi dan objektivitas, sehingga memerlukan pendekatan berbasis data untuk mendukung proses klasifikasi kualitas susu. Tujuan: Penelitian ini difokuskan pada perbandingan hasil klasifikasi antara algoritma Naïve Bayes dan Long Short-Term Memory (LSTM) pada data kualitas susu. Dataset dalam penelitian ini berupa data sekunder yang diambil melalui platform Kaggle, terdiri dari 844 data dengan tiga kelas kualitas, yaitu Low, Medium, dan High. Semua data digunakan sebagai populasi penelitian, dengan pembagian data pelatihan dan data uji, di mana 212 dataset digunakan sebagai data uji. Metode penelitian yang diterapkan adalah pendekatan eksperimental dengan simulation-based experiment, menggunakan dataset yang sama pada kedua algoritma. Penilaian performa model dilakukan dengan memanfaatkan metrik accuracy, Confusion matrix, Hasil: Berdasarkan hasil pengujian, algoritma Naïve Bayes mencapai tingkat accuracy sebesar 85%, lebih tinggi dibandingkan Long Short-Term Memory (LSTM) yang memperoleh 75%. Analisis per kelas menunjukkan bahwa Naïve Bayes lebih efektif dalam mengidentifikasi kelas Low dan Medium, sementara LSTM cenderung menghasilkan nilai recall yang lebih baik pada kelas Medium, namun menunjukkan penurunan kemampuan klasifikasi pada kelas Low dan High. Kesimpulan: Berdasarkan hasil tersebut, penelitian ini kemudian menegaskan bahwa pemilihan algoritma klasifikasi perlu disesuaikan dengan karakteristik dataset untuk mendapatkan hasil yang optimal.precision, recall, dan F1-score.
Co-Authors Abdul Fadlil Ahmad, Arimuliani Amri, Irman Andika Syaputra Dimas Adi Suseno Etfita, Fauzul Fajar Rahardika Bahari Putra Herawati Irfan Saputra Korompot, Chairil Anwar Masyhuri Muh.Rifky Bahar Muhammad Kunta Biddinika Muhammad Syarwan Murni Rio Anggara Sukardi Weda, Sukardi Surahmanto Teguh Hidayat Iskandar Alam Tri Santoso Tri Stiyo Famuji Yulianto