Klasifikasi Jamur Menggunakan Algoritma Naïve Bayes

Hayami, Regiolina; Soni,; Gunawan, Irzi

doi:10.37859/coscitech.v3i1.3685

Cited by 7 publications

(7 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Jamur adalah organisme dari kingdom fungi yang memiliki struktur tubuh berdaging dan bisa dikonsumsi, tetapi perlu diingat bahwa ada beberapa spesies jamur yang tidak aman untuk dimakan dan memiliki ciri-ciri khusus [1]. Jamur memiliki banyak jenis dengan bentuk, ukuran, dan warna yang beragam.…”

Section: Pendahuluanunclassified

Perbandingan Jarak Metrik pada Klasifikasi Jamur Beracun Menggunakan Algoritma K-Nearest Neighbor (K-NN)

Suarisman,

Nazir,

Syafria

et al. 2023

JoSYC

View full text Add to dashboard Cite

Mushrooms are organisms from the kingdom fungi that have a fleshy body structure and can be consumed, but there are some species of mushrooms that are not safe to eat and have specific characteristics, so distinguishing between edible and poisonous mushrooms can be tricky due to the almost identical appearance of various mushroom species. Errors in identifying edible mushrooms can impact the health of consumers who consume the mushrooms. Evaluating the performance of various methods on a dataset is a key step in determining the most suitable classification method. This research is about how to measure the performance of classification methods on toxic mushroom datasets using the K-Nearest Neighbor algorithm with several metrics such as euclidean, manhattan and minkowski, which is a method for classifying new data based on proximity to existing training data. The results obtained in this study with several distance metrics can be concluded that the accuracy value of the manhattan metric is better than the euclidean and minkowski metrics. Because the manhattan metric gets the highest accuracy result of 99% with K = 100 and the lowest 82% with K = 3000, while the euclidean metric gets accuracy results with a value of 98% with K = 100 and 72% with K = 3000, and the minkowski metric gets accuracy results with a value of 96% at K = 100 and 64% at K = 3000.

show abstract

Section: Pendahuluanunclassified

Perbandingan Jarak Metrik pada Klasifikasi Jamur Beracun Menggunakan Algoritma K-Nearest Neighbor (K-NN)

Suarisman,

Nazir,

Syafria

et al. 2023

JoSYC

View full text Add to dashboard Cite

show abstract

“…Naïve bayes termasuk kedalam kategori machine learning. Machine learning dilatih melalui sekumpulan data historis (Hayami., et al, 2022). Machine learning bersifat prediktif dan deskriptif yang bertujuan untuk memprediksi berdasarkan data dan mendapatkan informasi dari data (Oikonomidis., et al, 2022).…”

Section: Pendahuluanunclassified

Implementasi Algortima Naive Bayes Untuk Klasifikasi Kesegaran Buah Jeruk

Firmansyah,

Hermawan

2023

Jurnal Penelitian Teknik Informatika, Manajemen Informatika dan

View full text Add to dashboard Cite

Jeruk adalah salah satu buah yang paling popular di dunia. Jeruk merupakan buah sitrus yang memiliki banyak kandungan vitamin C dan anti oksidan, selain itu jeruk juga bermanfaat bagi kekebalan tubuh. Buah jeruk banyak tumbuh di daerah tropis salah satunya Indonesia. Produktivias buah jeruk di Indonesia sangat tinggi dengan hal tersebut maka proses pemilahan buah jeruk berkualitas akan membutuhkan waktu yang lama apabila dilakukan secara manual. Hal ini tentunya akan mengurangi efektivitas dan efisiensi waktu yang ada. Sehingga dibutuhkannya suatu sistem komputasi dengan suatu algoritma untuk menunjang permasalahan tersebut. Perancangan sistem ini akan menggunakan algoritma naïve bayes untuk mengklasifikasikan kualitas buah jeruk. Sistem ini akan mempermudah proses pemilahan jeruk berkualitas dan manajemen waktu akan lebih efektif. Hasil akhir dari sisem ini mendapatkan hasil akurasi pelatihan 72,7% dan pengujian 62,6%.

show abstract

“…Precision dan recall jika digabungkan akan mendapatkan nilai F-measure, sebagai parameter tunggal menentukan ukuran keberhasilan. Persamaan ( 8) digunakan untuk menghitung nilai F-measure tersebut [10].…”

Section: Pengujian Akurasiunclassified

K-Nearest Neighbor (KNN) untuk Menganalisis Sentimen terhadap Kebijakan Merdeka Belajar Kampus Merdeka pada Komentar Twitter

et al. 2022

View full text Add to dashboard Cite

On December 11, 2019, the Minister of Education and Culture of the Republic of Indonesia Nadiem Anwar Makarim issued a policy of "Merdeka Belajar". Netizens on Twitter have debated this Merdeka Belajar and became a trending topic. This study tries to analyze the sentiment of tweets about opinions on this policy by classifying whether it is a positive opinion or a negative opinion. The classification method applied is the K-Nearest Neighbor algorithm. In this study, four main processes were carried out, namely text-preprocessing, word-weighting (TF-IDF), classification and validation using k-fold cross validation. Tests were carried out with a dataset of 700 data, training was carried out using 630 training data and 70 testing data. In testing, the highest accuracy of the K-Nearest Neighbor algorithm was obtained at the k-8 value, namely 84.28%. Furthermore, validation is carried out using k-fold cross validation with a value of fold = 10 to get an accuracy of 84.42%.

show abstract

Klasifikasi Jamur Menggunakan Algoritma Naïve Bayes

Cited by 7 publications

References 0 publications

Perbandingan Jarak Metrik pada Klasifikasi Jamur Beracun Menggunakan Algoritma K-Nearest Neighbor (K-NN)

Perbandingan Jarak Metrik pada Klasifikasi Jamur Beracun Menggunakan Algoritma K-Nearest Neighbor (K-NN)

Implementasi Algortima Naive Bayes Untuk Klasifikasi Kesegaran Buah Jeruk

K-Nearest Neighbor (KNN) untuk Menganalisis Sentimen terhadap Kebijakan Merdeka Belajar Kampus Merdeka pada Komentar Twitter

Contact Info

Product

Resources

About