Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan
Lonek, Nurul Azizah
Unknown Affiliation
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

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

Found 1 Documents
Search

 1 
Klasifikasi Wine Quality Menggunakan Support Vector Machine (SVM) Ar Rasyid, Abdul Hafizh; Song, Fabian Jason; Lonek, Nurul Azizah; Hidayat, Riyan; Rosyani, Perani
AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Vol. 3 No. 2 (2025): Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan
Publisher : CV. Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penilaian kualitas wine selama ini masih banyak bergantung pada evaluasi subjektif oleh panel ahli, yang berpotensi menimbulkan ketidakkonsistenan hasil. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kualitas wine secara otomatis dengan memanfaatkan algoritma Support Vector Machine (SVM). Dataset Wine Quality Red yang bersumber dari UCI Machine Learning Repository digunakan sebagai objek penelitian, terdiri dari 1.599 data dengan 11 atribut fisikokimia. Tahapan penelitian meliputi proses standarisasi data menggunakan StandardScaler, pemodelan SVM dengan kernel Linear, Radial Basis Function (RBF), dan Polynomial, serta optimasi hyperparameter melalui Grid Search dan validasi silang 5- fold. Hasil pengujian menunjukkan bahwa kernel RBF dengan parameter optimal (C=100, gamma=0.1, dan class_weight='balanced') menghasilkan performa terbaik dengan akurasi sebesar 66,88%, nilai precision macro 0,519, recall macro 0,529, serta F1-score macro 0,514. Optimasi parameter dan penskalaan fitur terbukti mampu meningkatkan kinerja model secara signifikan. Dengan demikian, SVM berpotensi menjadi pendekatan yang efektif dalam mendukung klasifikasi kualitas wine secara objektif dan konsisten.
Co-Authors Ar Rasyid, Abdul Hafizh Perani Rosyani Riyan Hidayat Song, Fabian Jason