PENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) PADA DATA AKREDITASI SEKOLAH DASAR (SD) DI KABUPATEN MAGELANG - Diponegoro University | Institutional Repository (UNDIP-IR)
Teks penuh
Dokumen terkait
Berdasarkan pemaparan dari penelitian sebelumnya, maka peneliti akan melakukan komparasi algoritma Support Vector Machine (SVM) dan Naive Bayes (NB) pada
Berdasarkan hasil dari pengujian metode Support Vector Machine (SVM) sangat cocok untuk klasifikasi rumah layak huni dengan nilai akurasi rata-rata yaitu 98,75%.
Maka pada skripsi ini akan dibangun suatu sistem sebagai optimasi untuk klasifikasi data perilaku pendonor darah dengan metode Support Vector Machine (SVM) dan Particle
Support Vector Machine (SVM) merupakan salah satu metode klasifikasi dengan menggunakan metode machine learning yang memprediksi kelas berdasarkan pola dari hasil
Berdasarkan hasil dari pengujian metode Support Vector Machine (SVM) sangat cocok untuk klasifikasi rumah layak huni dengan nilai akurasi rata-rata yaitu 98,75%.
Adapun maksud dan tujuan dari penelitian ini adalah Bagaimana Algoritma Support Vector Machine (SVM) dapat digunakan untuk klasifikasi kerusakan kawasan dan Bagaimana
Hasil pengujian yang sudah dilakukan terhadap sistem klasifikasi gangguan jiwa skizofrenia menggunakan algoritme support vector machine menghasilkan akurasi terbaik
Tujuan dari penelitian ini yaitu untuk menentukan nilai akurasi, presisi dan recall pada data penyakit stroke dengan menggunakan metode SVM Support Vector Machine berdasarkan penerapan
