Article Per Year (5 Year)
p-Index From 2020 - 2025
1.945
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Informatika Prosiding SNATIF JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI GUYUB: Journal of Community Engagement Journal of Electrical Engineering and Computer (JEECOM) Jurnal Indonesia Sosial Teknologi JUSTIFY : Jurnal Sistem Informasi Ibrahimy Nusantara Journal of Computers and its Applications
Wali Ja’far Shudiq
Universitas Nurul Jadid
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Teknologi dan Manajemen Informatika

 1 
Penentuan Metode Terbaik Dalam Menentukan Jenis Pohon Pisang Menurut Tekstur Daun (Metode K-NN dan SVM) Wali Ja'far Shudiq; Ahmad Hudawi As; M Fadhilur Rahman
Jurnal Teknologi dan Manajemen Informatika Vol 6, No 2 (2020): Desember 2020
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jtmi.v6i2.5156

Abstract

Di sejumlah masyarakat banyak ditemui berbagai jenis pohon pisang. Tidak hanya buahnya yang rasanya manis, tapi juga pohonnya bisa membantu penghijauan alam. Seringkali masyarakat kecewa saat pohon pisang yang ditanamnya tidak sesuai dengan yang diharapkan saat menanamnya. Hal ini bisa dimaklumi mengingat pohon pisang membutuhkan waktu yang lama untuk tumbuh sebelum berbuah. Maka akan lebih baik jika dapat diketahui sejak awal jenis pohon pisang tersebut berdasarkan komponen pohon yang mudah diamati yaitu tekstur daun. Metode yang digunakan adalah dua metode data mining yang klasifikasi yaitu K-Nearest Neighbor (K-NN) dan Support Vector Machine (SVM), yang akan mencari model terbaik dari kedua metode tersebut, dalam mencari tingkat keakurasian yang paling tinggi. Hasil dari penelitian ini menunjukan kinerja metode K-Nearest Neighbor (K-NN) dengan nilai akurasi mencapai 74,00% lebih baik dari hasil kinerja metode Support Vector Machine (SVM) dengan nilai akurasi mencapai 67,89%. DOI: https://doi.org/10.26905/jtmi.v6i2.5156
Co-Authors Abu Tholib Ahmad Alfariqi Ahmad Firdaus Ahmad Hudawi As ahmad taufiqul imam Andi Wijaya Anis Yusrotun N. Anis Yusrotun Nadhiroh Dina Vitria Fathorazi Nur Fajri M Fadhilurrahman Maghfiroh, Saidatul Moh Furqan Moh Jasri Naila Rahmatul Widad Nurul Hidayattun Nasyihin Ruly Amalia Saidatul Maghfiroh Sulistiyanto, Sulistiyanto Syafiih, M. Uky Oktavia Risti Permatasari Yusron Sulthan Abror Zainal Arifin Zainal Arifin Zuhria Ulfa