Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Electronics and Instrumentation Systems
Suhaila Suhaila
Universitas Gadjah Mada
Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Seleksi Fitur dengan Artificial Bee Colony untuk Optimasi Klasifikasi Data Teh menggunakan Support Vector Machine Suhaila Suhaila
IJEIS (Indonesian Journal of Electronics and Instrumentation Systems) Vol 12, No 1 (2022): April
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijeis.63902

Abstract

Teh dapat dikenal kualitasnya melalui aroma yang dihasilkan. Penelitian klasifikasi teh menggunakan e-nose umumnya hanya mendeteksi kualitas aroma menggunakan general sensor gas. Namun, adanya redundansi fitur sensor dapat menyebabkan penurunan performa sistem e-nose. Oleh karena itu diperlukan sebuah sistem yang dapat menyeleksi fitur sehingga performa klasifikasi menjadi lebih optimal. Pada penelitian ini dibentuk sistem perangkat lunak yang mampu menyeleksi fitur untuk mengoptimalkan performa klasifikasi. Data input untuk sistem adalah respon sensor e-nose terhadap 3 kualitas teh hitam dengan jumlah sampel 300. Fitur yang diseleksi berupa sensor-sensor pada instrumen e-nose. Proses seleksi fitur dilakukan dengan pendekatan wrapper, algoritma ABC digunakan untuk seleksi fitur, kemudian hasil fitur yang terpilih dievalusi dengan klasifikasi menggunakan SVM. Hasil sistem ABC-SVM kemudian dibandingkan dengan sistem SVM tanpa seleksi fitur. Hasil penelitian menunjukkan bahwa dari 12 sensor e-nose, sensor yang paling mencirikan teh hitam kualitas 1-3 yaitu sensor TGS 2600, TGS 813, TGS 825, TGS 2602, TGS 2611, TGS 832, TGS 2612, TGS 2620 dan TGS 822. Sedangkan untuk sensor MQ-7, TGS 826 dan TGS 2610 merupakan sensor yang redundant pada sistem dikarenakan gas yang dideteksi oleh 3 sensor tersebut dapat diwakili oleh sensor lainnya. Dengan berkurangnya fitur menjadi 9, performa akurasi klasifikasi meningkat 16,7%.
Co-Authors