Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Al-Afghoni, J.M. Havidz Yasaf
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
KLASIFIKASI JENIS BENIH KACANG MENGGUNAKAN SMOTE DAN DECISION TREE C4.5 Al-Afghoni, J.M. Havidz Yasaf; Wahyudi Setiawan; Dwi Putra Negara, Yudha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12366

Abstract

Di era yang berubah semakin modern ini semua hal dapat diidentifikasikan berdasarkan kriteria atau atribut yang di miliki, mulai dari benda, hewan, tanaman, dan semua hal yang memiliki materi. Penelitian ini bertujuan untuk mengklasifikasikan jenis kacang, ada banyak kacang yang belum memiliki label yang sesuai sehingga sering salah dalam menentukan jenisnya, penelitian ini bertujuan untuk mengelompokkan data kacang baru agar sesuai dengan jenis kacang yang dibutuhkan, metode decision tree C4.5. Metode ini digunakan untuk membuat model pengelompokan data yang dapat menggolongkan kacang ke dalam class yang berbeda berdasarkan atribut-atributnya. Data yang dipergunakan pada penelitian ini data yang berasal Murat Koklu, dengan data yang terbagi menjadi 7 class yaitu Seker 2027 data, Barbunya 1322 data, Bombay 522 data, Cali 1630 data, Dermason 3546 data, Horoz 1928 data dan Sira 2636 data dengan total data 13611dan memiliki atribut data berjumlah 16 jenis. Data yang diperoleh di normalisasi lalu dilakukan penyeimbangan data karena data tidak seimbang tiap Class dengan teknik SMOTE (Synthetic Minority Over-sampling Technique), berikutnya dilakukan pembagian data menggunakan K-Fold Cross Validation. Klasifikasi yang digunakan pada penelitian ini adalah decision tree C4.5. dan dari penelitian ini menghasilkan tingkat akurasi sebesar 94% presisi sebesar 94%, recallnya 94%, dan f1-scorenya adalah 94%, hasil ini dievaluasi menggunakan Confusion Matrix
Co-Authors Wahyudi Setiawan Yudha Dwi Putra Negara, Yudha