Perbandingan K-Nearest Neighbor (Knn) Dan Support Vector Machine (Svm) Dalam Pengenalan Karakter  Plat Kendaraan Bermotor

Budianto, Aris; Ariyuana, Rosihan; Maryono, Dwi

doi:10.20961/jiptek.v11i1.18018

Cited by 17 publications

(15 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Kelebihan lain dari metode SVM adalah pada proses learning yang cepat. Sedangkan kekurangan SVM sulit dipakai dalam problem jumlah sample besar [5]. Volume 2 No 1 2022 E-ISSN: 2809-1566 P-ISSN: 2809-1574  Penelitian yang berjudul Metode Algoritma Support Vector Machine (SVM) Linier Dalam Memprediksi Kelulusan Mahasiswa, Metode yang digunakan pada penelitian ini adalah algoritma SVM linier dimulai dari pengambilan data dengan memilih atribut yang akan digunakan untuk tahapan selanjutnya, pengolahan data terdiri dari pembersihan data yang isinya tidak ada dan transformasi data yang merupakan penentuan kategori dari setiap data, permodelan dilakukan dengan algoritma SVM dari data training dan data testing dan evaluasi untuk memvalidasi dan mengukur keakuratan model.…”

Section: Pendahuluanunclassified

Klasifikasi Terhadap Prediksi Kelulusan Mahasiswa Dengan Menggunakan Metode Support Vector Machine (Svm)

Qisthiano¹

2022

SEMNASTEKMU

View full text Add to dashboard Cite

Dalam melakukan proses klasifikasi terhadap prediksi kelulusan mahasiswa tepat waktu adabanyak, kriteriayang digunakan mulai dari jurusan, jenis kelas dan nilai semester mahasiswa yang merupakan salah satu faktordalam menentukan mahasiswa tersebut tepat atau tidaknya menyelesaikan studi. Maka dibutuhkan suatu modeluntuk melakukan kelasifikasi terhadap hasil prediksi tingkat kelulusan mahasiswa tepat waktu, denganmenggunakan dataset alumni yang datanya didapat dari beberapa kampus di Kota Palembang. Model yangdigunakan ini menggunakan Support Vector Machine (SVM) yang berfungsi sebagai salah satu model untukmelakukan klasifikasi. Dataset yang digunakan adalah data alumni yang sudah dikumpulkan dari beberapaUniversitas atau Institusi yang ada di Kota Palembang, sedangkan kriteria untuk melakukan poses klasifikasiadalah jurusan, Perguruan Tinggi setiap mahasiswa, jenis kelas pilihan dan nilai setiap semester mahasiswa yangdiambil dari semester 1 sampai dengan 4, tahun lulus setiap mahasiswa, dan angkatan pada saat mahasiswa masuk.Lalu dari attribut dan model yang digunakan, peneliti menggunakan alat bantu utnuk mengelola data yaituRapidminer untuk melakukan pemrosesan dataset yang sudah disiapkan. Selanjutnya penguji menggunakan 5 kaliproses uji K-Fold Validation dengan membagi dataset kedalam training dan testing. Hasil penelitian ini merupakanakurasi dari hasil klasifikasi terhadap peridiksi yang didapat dari alat bantu Rapidminer dan model Support VectorMachine (SVM) yang memiliki hasil akurasi sebesar 85.06%.

show abstract

Section: Pendahuluanunclassified

Klasifikasi Terhadap Prediksi Kelulusan Mahasiswa Dengan Menggunakan Metode Support Vector Machine (Svm)

Qisthiano¹

2022

SEMNASTEKMU

View full text Add to dashboard Cite

show abstract

“…Penelitian ini menggunakan proses ekstraksi pengolahan citra gambar sehingga metode yang sesuai dengan penelitian ini adalah K-Nearest Neighbour (Sari, 2011), (Budianto, Ariyuana, & Maryono, 2018), dengan menggunakan metode tersebut akan memudahkan dalam proses pendeteksiannya.…”

Section: Pendahuluanunclassified

Sistem Deteksi Plat Kendaraan Dengan Menggunakan Metode K-Nearest Neghbour (Knn)

Farida

Zainuddin

Sahibu

2019

jri

View full text Add to dashboard Cite

The monitoring system and managemen of vehicle have developed. Identification and number plat recognition in the field of traffic one of them is like passing the stop line on the road so that is disturbs other drivers, this is the most and even often occurs in big city cities even regions. The purpose of this study is to extract and recognize license plates from the image of the vehicle, that infringes so that it can be used as a dataset in making reports on determining sanctions that are appropriate to the type of violation of the vehicle. This study uses an image processing extraction process so that method according to this method is K- Nearest Neighbour, using this method will facilitate the detection process because this method does not use looping, this process begins by preparing a training image and then performing the image recognition stage. Image recognition is a process of matching digital image data that has been converted into a matrix and then matched with existing datasets so that the result can be known in the form of reports

show abstract

“…Kelebihan dari SVM diantaranya adalah dalam menentukan jarak yang menggunakan support vector, sehingga proses komputasi menjadi lebih cepat [5]. Selain itu kelebihan SVM lainnya terdapat pada penelitian dilakukan oleh Aris [6] yaitu membandingkan metode K-Nearest Neighbor (KNN) dengan metode Support Vector Machine (SVM) untuk melakukan klasifikasi, dan diperoleh kesimpulan bahwa SVM memiliki kinerja yang lebih unggul karena mampu mengklasifikasikan data dalam pengenalan plat kendaraan dengan ketepatan sebesar 95%.…”

Section: Pendahuluanunclassified

Identifikasi Citra berdasarkan Gigitan Ular menggunakan Metode Active Contour Model dan Support Vector Machine

Dewangga

Adiwijaya

Utama

2019

mib

View full text Add to dashboard Cite

Tropical countries have a warm and humid climate are suitable habitat for the lives of reptile animals, especially snakes. Snakes are a type of reptile animal that is widely found in tropical countries, especially in Indonesia. The worst thing that happens when meeting a snake is the bite of snake. If the bite comes from a venomous snake it can cause a more serious problem than the bite from non-venomous snake is, which can cause paralysis, disability, and the worst is death. According to the WHO (World Health Organization) an estimated 5.4 million people are bitten by snakes each year with almost 2.7 million being bitten by venomous snakes and get affected symptoms. Around 81,000 to 138,000 people die every year. This research uses image processing technic to make the identification system of snake bites whether venomous or non-venomous. The method used in this system is Active Contour Model and Support Vector Machine. By using these methods, the highest accuracy is obtained in the best of SVM kernel, on RBF kernel and Polynomial kernel.

show abstract

Perbandingan K-Nearest Neighbor (Knn) Dan Support Vector Machine (Svm) Dalam Pengenalan Karakter Plat Kendaraan Bermotor

Cited by 17 publications

References 7 publications

Klasifikasi Terhadap Prediksi Kelulusan Mahasiswa Dengan Menggunakan Metode Support Vector Machine (Svm)

Klasifikasi Terhadap Prediksi Kelulusan Mahasiswa Dengan Menggunakan Metode Support Vector Machine (Svm)

Sistem Deteksi Plat Kendaraan Dengan Menggunakan Metode K-Nearest Neghbour (Knn)

Identifikasi Citra berdasarkan Gigitan Ular menggunakan Metode Active Contour Model dan Support Vector Machine

Contact Info

Product

Resources

About