<![CDATA[Kualitas wine merupakan faktor penting dalam industri minuman karena berpengaruh langsung terhadap nilai jual dan kepuasan konsumen. Penilaian kualitas wine secara konvensional masih mengandalkan uji sensorik oleh pakar yang bersifat subjektif serta memerlukan waktu dan biaya yang besar. Oleh karena itu, diperlukan pendekatan berbasis kecerdasan buatan untuk membantu proses evaluasi kualitas wine secara objektif dan efisien. Penelitian ini bertujuan untuk mengklasifikasikan kualitas wine menggunakan algoritma Support Vector Machine (SVM) berdasarkan parameter fisikokimia. Dataset yang digunakan adalah Wine Quality Red Dataset dari UCI Machine Learning Repository. Tahapan penelitian meliputi preprocessing data, normalisasi menggunakan StandardScaler, pembagian data latih dan data uji, pembangunan model SVM dengan kernel Radial Basis Function (RBF), serta evaluasi model menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma SVM mampu memberikan performa klasifikasi yang baik dalam memprediksi kualitas wine. Model yang dibangun menghasilkan akurasi yang optimal sesuai standar evaluasi jurnal AIDANSPK. Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem pendukung keputusan di bidang industri pangan.]]>
Copyrights © 2025
