Hardiansyah, Dicky (2020) Sistem Deteksi Kepribadian Berdasarkan Sketsa Pohon Dengan Algoritma Smooth Support Vector Machine (SSVM). Other thesis, Universitas Komputer Indonesia.
|
Text
UNIKOM_Dicky Hardiansyah_cover.pdf - Published Version Download (95kB) | Preview |
|
|
Text
UNIKOM_Dicky Hardiansyah_lembar pengesahan.pdf - Published Version Download (959kB) | Preview |
|
|
Text
UNIKOM_Dicky Hardiansyah_surat keterangan persetujuan publikasi.pdf - Published Version Download (581kB) | Preview |
|
|
Text
UNIKOM_Dicky Hardiansyah_surat pernyataan orisinalitas.pdf - Published Version Download (457kB) | Preview |
|
|
Text
UNIKOM_Dicky Hardiansyah_kata pengantar.pdf - Published Version Download (85kB) | Preview |
|
|
Text
UNIKOM_Dicky Hardiansyah_daftar isi.pdf - Published Version Download (134kB) | Preview |
|
|
Text
UNIKOM_Dicky Hardiansyah_bab 1.pdf - Published Version Download (161kB) | Preview |
|
|
Text
UNIKOM_Dicky Hardiansyah_bab 2.pdf - Published Version Download (998kB) | Preview |
|
Text
UNIKOM_Dicky Hardiansyah_bab 3.pdf - Published Version Restricted to Repository staff only Download (5MB) | Request a copy |
||
Text
UNIKOM_Dicky Hardiansyah_bab 4.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy |
||
|
Text
UNIKOM_Dicky Hardiansyah_bab 5.pdf - Published Version Download (73kB) | Preview |
|
|
Text
UNIKOM_Dicky Hardiansyah_daftar pustaka.pdf - Published Version Download (84kB) | Preview |
|
|
Text
UNIKOM_Dicky Hardiansyah_kontak penulis dan kontributor penelitian.pdf - Published Version Download (13kB) | Preview |
Abstract
Penelitian ini bertujuan untuk mengetahui tingkat akurasi deteksi kepribadian berdasarkan sketsa pohon menggunakan algoritma Smooth Support Vector Machine (SSVM). Adapun tahapan untuk mencapai tujuan penelitian ini yaitu studi literatur, analisis dataset, analisis metode, implementasi metode dan pengujian metode terhadap algoritma SSVM. Pengujian dilakukan dengan menggunakan 90 data training dan 45 data testing dengan nilai C=0.01, C=0.1, C=1, C=10 dan C=100. Berdasarkan hasil pengujian dengan nilai C=0.01, didapatkan akurasi terbaik pada kelas Mahkota dengan Banyak Arsiran yaitu sebesar 53.33%. Sedangkan akurasi terkecil pada kelas Mahkota Polos yaitu sebesar 0%. Akurasi rata-rata yang diperoleh adalah sebesar 33.33 %. Penyebabnya adalah karena tahapan preprocessing tidak dilakukan proses segmentasi pada sketsa pohon sehingga informasi yang didapatkan oleh ektraksi fitur kurang sesuai dengan yang diteliti pada bagian mahkota.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Kepribadian, Sketsa Pohon, Support Vector Machine, Smooth Support Vector Machine |
Subjects: | 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science |
Divisions: | S1_SKRIPSI > FTIK_Teknik Informatika (01) |
Depositing User: | Mrs. Calis Maryani |
Date Deposited: | 06 Jul 2021 04:04 |
Last Modified: | 06 Jul 2021 04:04 |
URI: | http://elibrary.unikom.ac.id/id/eprint/4031 |
Actions (login required)
View Item |