Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informatika
Salsabil Farah Aqilah Wijaya
Fakultas Teknik Elektro, Universitas Telkom, Indonesia
Computer Science & IT

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

Found 1 Documents
Search

 1 
Analisis Perbandingan K-Nearest Neighbor dan Support Vector Machine pada Klasifikasi Jenis Sapi dengan Metode Gray Level Coocurrence Matrix Salsabil Farah Aqilah Wijaya; Koredianto Koredianto; Sofia Saidah
Jurnal Ilmu Komputer dan Informatika Vol 2 No 2 (2022): JIKI - Desember 2022
Publisher : CV Firmos

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54082/jiki.27

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.
Co-Authors Koredianto Koredianto SOFIA SAIDAH