Pengujian performa berbagai metode pada sebuah dataset merupakan salah satu cara dalam penetapan metode klasifikasi yang tepat, masalah yang diangkat pada penelitian ini adalah bagaimana membandingkan performa beberapa metode klasifikasi dalam mengelola dataset yang memiliki lebih dari dua label (multiclass). Penelitian ini fokus membandingkan hasil performa tujuh metode klasifikasi yaitu K-Nearest Neighbor (knn), Naive Bayes Classifier (nbc), Support Vector machine (svm), Neural Netowork (nn), Random Forest Classifier (rfc), Ada Boost Classifier (abc) dan Quadratic Discriminant Analysis (qdc). Objek pada penelitian ini berupa dataset multiclass yaitu dataset citra busur panah, serta performa yang diukur yaitu seluruh nilai cross-validation dari akurasi, presisi, recall dan f-measure. Hasil pada penelitian ini menunjukkan bahwa seluruh metode tidak memperoleh performa yang cukup baik, dan menunjukkan bahwa beberapa metode yang memiliki akurasi yang tinggi tidak menjadi penentu menjadi metode yang baik dikarenakan setelah penerapan cross-validation dan visualisasi boxplot ditemukan beberapa nilai akurasi tinggi yang merupakan nilai tidak wajar atau outlier. Kesimpulan menunjukkan metode svm memiliki performa yang lebih baik dibandingkan dengan enam metode lainnya pada kasus dataset multiclass citra busur panah.

Alkohol adalah senyawa-senyawa dimana satu atau lebih atom hidrogen dalam sebuah alkana digantikan oleh sebuah gugus -OH. Alkohol memiliki ikatan yang mirip air. Alkohol terdiri dari molekul polar. Dalam senyawa alkohol, oksigen mengemban muatan negatif parsial. Alkohol telah digunakan oleh orang di seluruh dunia, dalam makanan standar, untuk higienis / alasan medis, untuk relaksan dan efek euforia, untuk tujuan rekreasi, untuk inspirasi artistik, sebagai aphrodisiacs, dan untuk alasan lain. Alkohol memiliki beberapa jenis senyawa diantaranya adalah octanol, propanol, Butanol, propanol, dan isobutanol. Oleh karena itu dibutuhkan sensor untuk mendeteksi jenis bahan kimia pada suatu cairan berdasarkan aromanya dengan menerapkan salah satu metode klasifikasi yaitu K-Nearest Neighbor (KNN). Pengujian system ini terdiri dari pengujian pengaruh nilai K dan pengaruh nilai crossvalidation. Hasil dari pengujian pengaruh nilai K menghasilkan akurasi optimum senilai 100% pada nilai K=3 dan 100% pada nilai K=4

Mountain climbing path information has been widely

Tahu berformalin adalah salah satu jenis makanan yang sering mengandung bahan-bahan kimia yang dapat mengawetkan daripada tahu tanpa formalin. Pada tahu berformalin dapat memberikan tekstur lebih kenyal dan berwarna putih bersih. Penelitian ini bertujuan untuk mengklasifikasikan tahu berformalin dan tahu tidak berformalin. Pada paper ini menggunakan algoritma Stochastic Gradient Descent atau dalam penerapannya lebih dikenal dengan SGD Classifier yang merupakan bagian dari algoritma machine learning untuk klasifikasi, regresi maupun jaringan syaraf tiruan serta algoritma ini sangat efisien pada dataset berskala besar. Penelitian ini mencoba menerapkan algoritma SGD pada dataset tahu berformalin dengan jumlah dataset yakni 11000 yang dimana 5500 data tahu berformalin dan 5500 data tahu tidak berformalin. Setelah dilakukan beberapa tahapan dalam pengujian dengan algoritma SGD maka diperolah hasil akurasi, presisi, recall, f1-score pada model yang masing-masing 82.6% untuk akurasi, 81.7% untuk presisi, 84.1% untuk recall, 83.5% untuk f1-score dan dilakukan pengujian menggunakan 10 data yang tidak termasuk dalam data latih memperoleh performansi rata-rata akurasi sebesar 70%, presisi 71%, recall 70% dan f1-score 70%.

A message is a form of conveying information. Various ways are used to secure the information conveyed in the form of messages either in encrypted form or in the form of applying a password in the message. Messages can also be encrypted and embedded in other media such as images (steganography). This research aimed to insert a message into the form of an image by combining the Modified Least Significant Bit (MLSB) method in encrypting messages and reshape modification technique to determine at which position the message encryption will be embedded in the image. Tests were carried out to obtain the quality of the encryption process using the parameters of Fidelity, mean square error, peak signal to noise ratio, testing on file type, robustness, and comparison of message contents. The results of the tests showed that the files that can be used are files with the image file type in the lossless compression category, the rotation can be done at 90, 180, 270 without destroying the message in it, and changing the pixel in the image file will destroy the message inside