Penerapan Metode Klasifikasi Support Vector Machine (Svm) Pada Data Akreditasi Sekolah Dasar (SD) Di Kabupaten Magelang
Teks penuh
Gambar
Dokumen terkait
Penerapan metode One-Against-One dengan menggunakan kernel RBF dan kernel polynomial merupakan metode terbaik dalam klasifikasi roda gigi berdasarkan sinyal akustik.. Pada
Berdasarkan dengan data real kondisi perusahaan, kedua fungsi RBF dan Polynomial kernel tersebut menghasilkan jumlah data yang benar dan salah yang sama dalam prediksi
Hasil akhir dari implementasi algoritma Support Vector Machine untuk klasifikasi peyakit dengan gejala demam adalah akurasi dari ketepatan sistem dalam
Hasil yang didapatkan dalam pengujiann parameter Suppporrt Vector Machine (SVM) dalam penelitian ini dapat disimpulkan akurasi terbaik yang didapatkan dalam
Untuk data yang tidak dikenai balancing, pada pengujian dengan 3 fold dan 5 fold diperoleh akurasi 87,1055% menggunakan 16 atribut dengan kernel linear, kernel gaussian RBF,
Berdasarkan dengan data real kondisi perusahaan, kedua fungsi RBF dan Polynomial kernel tersebut menghasilkan jumlah data yang benar dan salah yang sama dalam prediksi
Metode yang digunakan dalam penelitian ini adalah metode Laplacian untuk ekstraksi fitur dan SVM untuk klasifikasi data menggunakan percobaan fungsi kernel kernel Gaussian RBF dan
Perbandingan dari varian jarak piksel dan fungsi kernel, menghasilkan akurasi tertinggi pada jarak piksel d = 1 menggunakan kernel Polynomial dengan hasil akurasi yang cukup tinggi
