Claim Missing Document
Check
Articles

Found 2 Documents
Search

IMPLEMENTASI ALGORITMA DIJKSTRA DALAM PENENTUAN JALUR TERPENDEK MENUJU OBJEK WISATA DI KABUPATEN TEGAL syefudin, Syefudin; Zain, Ahmad Muzakky; Gunawan, Gunawan
Jurnal Technopreneur (JTech) Vol 11 No 2 (2023): JURNAL TECHNOPRENEUR (November)
Publisher : UPPM Politeknik Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30869/jtech.v11i2.1233

Abstract

Pencarian jalur terpendek pada sebuah graf berbobot mengacu pada pencarian jalur dengan jumlah bobot simpul terkecil, yang membentuk jalur tersebut. Oleh karena itu, jalur yang ditemukan merupakan jalur yang memiliki jumlah bobot simpul atau jarak yang paling minim. Pencarian jalur terpendek dilakukan pada pencarian objek wisata di Kabupaten Tegal yang akan membentuk suatu graf berarah dan berbobot. Sebelum menjalankan algoritma Dijkstra, dibutuhkan data jarak dari setiap simpul terlebih dahulu untuk menentukan jalur terpendek. Objek wisata yang dituju merupakan objek wisata yang diminati warga atau wisatawan, terdapat satu objek wisata yang paling diminati di Kabupaten Tegal sesuai hasil survey yaitu, Objek Wisata Guci. Bobot tiap simpul diambil dari geolocation objek wisata Guci. Dari hasil proses algoritma Dijkstra dapat diketahui jalur yang dihasilkan oleh algoritma Dijkstra sudah cukup akurat atau tepat. Kemudian dari data jarak yang didapatkan, kemudian dihitung waktu tempuh menuju objek wisata Guci dengan memasukkan variable bobot kemacetan dan rata-rata kecepatan yang diasumsikan dari kendaraan roda 2 dan roda 4. Pada penelitian ini, perhitungan jalur terpendek rute terpendek yang didapatkan dari titik awal di Taman Rakyat Slawi menuju Objek Wisata Guci sejauh 28,7 km. Sedangkan data waktu tempuh didapat dari kondisi jalan yang diasumsikan normal tanpa hambatan kecuali bobot kemacetan.
Classification of fresh chicken meat and tainted chicken meat using naive bayes classifier algorithm Zain, Ahmad Muzakky; Ali Murtopo, Aang; Fadila, Nurul; Gunawan, Gunawan
Journal of Intelligent Decision Support System (IDSS) Vol 7 No 1 (2024): March: Intelligent Decision Support System (IDSS)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/idss.v7i1.212

Abstract

This research discusses the classification of fresh and tainted chicken meat using the Naive Bayes Classifier (NBC) algorithm based on Gray Level Co-occurrence Matrix (GLCM) feature extraction, with the aim of developing an efficient and accurate classification method. This research aims to utilize image processing and machine learning technologies to distinguish fresh chicken meat from tainted ones, which is crucial for the food industry. The research methodology involved the use of GLCM for texture feature extraction from chicken meat images, with the implementation of the NBC model through RapidMiner, offering an intuitive and efficient approach. The results showed the success of the model in achieving 80% accuracy, with an average precision of 81.25%, recall of 80%, and F1-score of 80.62%, confirming its ability in chicken meat classification. The integration of GLCM and RapidMiner in the application of NBC not only improves accuracy and objectivity in chicken meat classification but also provides a foundation for the wider application of machine learning techniques in ensuring food safety and consumer satisfaction