PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic)
Vol 1, No 2 (2013): PIKSEL (Penelitian Ilmu Komputer Sistem Embedded dan Logic)

PENENTUAN KLASIFIKASI MUTU FISIK BERAS DENGAN METODE NAÏVE BAYES

Leidiyana, Henny (Unknown)



Article Info

Publish Date
29 Nov 2013

Abstract

Rice is the staple food of the people of Indonesia in particular. One factor that made the peoples choice in selecting rice is quality. Writing is about the determination of the classification of rice quality is acceptable and not based on quality components that have been set by the ISO.A total of 1161 data is used as training data. The data obtained consists of 6 attributes, namely moisture content, milling degree, broken grains, grain groats, because the other is a predictor attributes, while the condition of a label attribute (class). Training data is cleaned and then made a physical model of the determination of quality grade rice using Naïve  Bayes method. The resulting model was tested using the method of Cross Validation and the ROC curve. From the test results obtained by the results of model accuracy by 92.56% and AUC values for 0989, this means that the resulting model is classified as very goodKeywords : Naïve  Bayes , Cross Validation, Confusion matrix, ROC curveBeras merupakan makanan pokok masyarakat Indonesia khususnya. Salah satu faktor yang dijadikan pilihan masyarakat dalam memilih beras adalah mutunya. Penulisan ini membahas tentang penentuan klasifikasi mutu beras yang dapat diterima dan tidak berdasarkan komponen mutu yang telah ditetapkan oleh SNI. Sebanyak 1161 data digunakan sebagai data training. Data yang didapat terdiri dari 6 atribut, yaitu kadar air, derajat sosoh, butir patah, butir menir, sebab lain merupakan atribut prediktor, sedangkan kondisi merupakan atribut label (kelas). Data training dibersihkan kemudian dibuat model penentuan kelas mutu fisik beras menggunakan metode Naïve  Bayes . Model yang dihasilkan diuji menggunakan metode Cross Validation dan Kurva ROC.  Dari hasil pengujian diperoleh hasil akurasi model sebesar 92,56% dan nilai AUC sebesar 0.989, ini berarti bahwa model yang dihasilkan termasuk klasifikasi sangat baik.Kata Kunci : Naïve  Bayes , Cross Validation, Confusion matrix, Kurva ROC

Copyrights © 2013






Journal Info

Abbrev

piksel

Publisher

Subject

Computer Science & IT Decision Sciences, Operations Research & Management

Description

Jurnal PIKSEL diterbitkan oleh Universitas Islam 45 Bekasi untuk mewadahi hasil penelitian di bidang komputer dan informatika. Jurnal ini pertama kali diterbitkan pada tahun 2013 dengan masa terbit 2 kali dalam setahun yaitu pada bulan Januari dan September. Mulai tahun 2014, Jurnal PIKSEL ...