PENERAPAN SELEKSI FITUR FORWARD SELECTION UNTUK OPTIMALISASI ALGORITMA NAIVE BAYES PADA PENENTUAN KUALITAS SUSU
Total View This Week0
Total View This Week0
Institusion
Universitas Nahdlatul Ulama Sunan Giri
Author
Shofiudin, Shofiudin
Subject
000 Ilmu komputer, informasi dan pekerjaan umum
Datestamp
2024-08-16 08:57:23
Abstract :
Penelitian ini menginvestigasi penerapan metode Seleksi Fitur Forward Selection untuk meningkatkan klasifikasi kualitas susu menggunakan Algoritma Naive Bayes. Susu merupakan komoditas penting dalam industri pangan dan minuman, yang memerlukan pengawasan ketat terhadap kualitasnya. Tujuan utama penelitian adalah untuk mengidentifikasi kombinasi fitur yang optimal dari atribut-atribut seperti pH, suhu, rasa, bau, lemak, kekeruhan, dan warna, yang paling berpengaruh dalam memprediksi kategori kualitas susu (Low, Medium dan High). Metode Seleksi Fitur Forward Selection digunakan untuk membangun model klasifikasi yang lebih efisien dengan memilih subset fitur yang paling signifikan secara bertahap. Hasil eksperimen menunjukkan bahwa pendekatan ini berhasil meningkatkan akurasi klasifikasi dibandingkan dengan menggunakan seluruh fitur yang tersedia. Implikasi dari penelitian ini adalah bahwa seleksi fitur yang cermat dapat memperbaiki kinerja Algoritma Naive Bayes dalam konteks aplikasi industri susu, dengan potensi untuk diterapkan dalam sistem pendukung keputusan untuk meningkatkan pengendalian kualitas produk.
Penelitian ini menginvestigasi penerapan metode Seleksi Fitur Forward Selection untuk meningkatkan klasifikasi kualitas susu menggunakan Algoritma Naive Bayes. Susu merupakan komoditas penting dalam industri pangan dan minuman, yang memerlukan pengawasan ketat terhadap kualitasnya. Tujuan utama penelitian adalah untuk mengidentifikasi kombinasi fitur yang optimal dari atribut-atribut seperti pH, suhu, rasa, bau, lemak, kekeruhan, dan warna, yang paling berpengaruh dalam memprediksi kategori kualitas susu (Low, Medium dan High). Metode Seleksi Fitur Forward Selection digunakan untuk membangun model klasifikasi yang lebih efisien dengan memilih subset fitur yang paling signifikan secara bertahap. Hasil eksperimen menunjukkan bahwa pendekatan ini berhasil meningkatkan akurasi klasifikasi dibandingkan dengan menggunakan seluruh fitur yang tersedia. Implikasi dari penelitian ini adalah bahwa seleksi fitur yang cermat dapat memperbaiki kinerja Algoritma Naive Bayes dalam konteks aplikasi industri susu, dengan potensi untuk diterapkan dalam sistem pendukung keputusan untuk meningkatkan pengendalian kualitas produk.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
