Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal JUSTIN (Jurnal Sistem dan Teknologi Informasi) Nanggroe: Journal Of Scholarly Service Nanggroe: Journal of Scholarly Service
Sukmaningrum, Agy Hafidzah
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JUSTIN (Jurnal Sistem dan Teknologi Informasi)

 1 
Analisis Klasifikasi 7 Jenis Dry Beans dengan Penerapan Metode Naïve Bayes Liantoni, Febri; Sukmaningrum, Agy Hafidzah; Qurin, Milani Tanya; Putri, Nanditya Vianti
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 12, No 2 (2024)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v12i2.73034

Abstract

Penelitian ini dimaksudkan untuk mengklasifikasikan jenis Dry Beans dengan menggunakan algoritma Naïve Bayes dengan bantuan alat analisis data RapidMiner. Dataset yang terlibat mencakup sejumlah atribut, termasuk Area, Perimeter, MajorAxisLength, MinorAxisLength, AspectRation, Eccentricity, ConvexArea, EquivDiameter, Extent, Solidity, Roundness, Compactness, ShapeFactor2, ShapeFactor3, ShapeFactor4, serta atribut target Class yang menunjukkan jenis Dry Beans. Dataset ini dibagi menjadi dua bagian: data training sebanyak 9528 data dan data uji sebanyak 4083 data. Hasil penelitian menunjukkan bahwa model klasifikasi Naïve Bayes berhasil mencapai tingkat akurasi sebesar 90.01% dalam mengklasifikasikan jenis Dry Beans. Hasil ini menandakan bahwa model tersebut memiliki kemampuan yang baik dalam membuat prediksi yang sesuai dengan data asli. Dengan demikian, analisis ini diharapkan dapat memberikan kontribusi dalam identifikasi, manajemen, dan pemanfaatan jenis-jenis Dry Beans secara efisien.
Co-Authors Aprilia, Alysa Putri Assalsabila, Salma Rohima Djoko Sulaksono Febri Liantoni, Febri Hernina, Tifani Maya Lestari, Yunita Nur Nugroho, Anggito Judhanto Suryo Putri, Nanditya Vianti Qurin, Milani Tanya Saputra, Rio Apriano Saraswati, Tiara Sarah Tri Giyanto Wibowo, Kristina Utari Morhanisa