Klasifikasi Harga Ponsel Menggunakan Support Vector Machine (SVM)

Main Article Content

Sulastria Sulastria
Oktavia Dwi Megawati
Agus Eko Minarno

Abstract

Pada era digital sekarang yang semakin berkembang pesat terutama dalam berbagai macam fitur yang ada di ponsel serta bertambahnya tingkat spesifikasi ponsel. Fitur-fitur ponsel yang semakin berkembang seperti kamera, ram, kapasitas baterai yang semakin besar menjadi faktor penentu harga sebuah ponsel. Semakin bagus spesifikasi atau semakin banyak fitur yang dimiliki oleh ponsel maka harganya juga akan semakin mahal. Pada penelitian kali ini untuk menghitung seberapa berpengaruhnya fitur yang dimiliki ponsel terhadap harga ponsel menggunakan metode klasifikasi support vector machine yang dibantu dengan n-fold cross validation untuk menentukan rata-rata keberhasilan dari suatu sistem dengan metode yang melaksanakan perulangan dengan mengacak atribut masukan sehingga sistem tersebut terbukti buat sebagian atribut masukan yang acak. Pada paper ini melakukan penelitian menggunakan metode Support Vector Machine untuk mengklasifikasi harga ponsel yang menghasilkan nilai akurasi sebesar 96%.

Downloads

Download data is not yet available.

Article Details

How to Cite
[1]
S. Sulastria, O. D. Megawati, and A. E. Minarno, “Klasifikasi Harga Ponsel Menggunakan Support Vector Machine (SVM)”, JR, vol. 3, no. 4, Feb. 2024.
Section
Articles

References

V. W. Siburian and I. E. Mulyana, “Prediksi Harga Ponsel Menggunakan Metode Random Forest,” Pros. Annu. Res. Semin., vol. 4, no. 1, pp. 144–147, 2018.

S. H. Putra, “Klasifikasi Harga Cell Phone menggunakan Metode K-Nearest Neighbor (KNN),” vol. 4, no. 1, pp. 978–979, 2018.

F. Azwary, F. Indriani, and D. T. Nugrahadi, “Question Answering System Berbasis Artificial Intelligence Markup Language,” Kumpul. J. Ilmu Komput., vol. 04, no. 01, pp. 48–60, 2016.

A. S. Ritonga and E. S. Purwaningsih, “Penerapan Metode Support Vector Machine ( SVM ) Dalam Klasifikasi Kualitas Pengelasan Smaw ( Shield Metal Arc Welding ),” Ilm. Edutic, vol. 5, no. 1, pp. 17–25, 2018.

S. N. D. Pratiwi and B. S. S. Ulama, “Klasifikasi Email Spam dengan Menggunakan Metode Support Vector Machine dan k-Nearest Neighbor,” J. Sains dan Seni ITS, vol. 5, no. 2, pp. 344–349, 2016.

M. Yang, K. Nurzynska, A. E. Walts, and A. Gertych, “A CNN-based active learning framework to identify mycobacteria in digitized Ziehl-Neelsen stained human tissues,” Comput. Med. Imaging Graph., vol. 84, p. 101752, 2020, doi: 10.1016/j.compmedimag.2020.101752.

Y. L. Nursimpati and A. Saifudin, “Penerapan Teknik Bagging Berbasis Naïve Bayes untuk Seleksi Penerimaan Mahasiswa,” J. Inform. Univ. Pamulang, vol. 4, no. 2, p. 65, 2019, doi: 10.32493/informatika.v4i2.3235.

I. A. M. SupartinI, I. K. G. Sukarsa, and I. G. A. M. SRINADI, “Analisis Diskriminan Pada Klasifikasi Desa Di Kabupaten Tabanan Menggunakan Metode K-Fold Cross Validation,” E-Jurnal Mat., vol. 6, no. 2, p. 106, 2017, doi: 10.24843/mtk.2017.v06.i02.p154.

R. Yulianti, I. G. P. S. Wijaya, and F. Bimantoro, “Pengenalan Pola Tulisan Tangan Suku Kata Aksara Sasak Menggunakan Metode Moment Invariant dan Support Vector Machine,” J. Comput. Sci. Informatics Eng., vol. 3, no. 2, pp. 91–98, 2019, doi: 10.29303/jcosine.v3i2.181.

A. Rahmawati, “Klasifikasi Tumor Otak Menggunakan Convolutional Neural Network,”

Muhammadiyah Malang University, 2020.

M. Athaillah, Y. Azhar, and Y. Munarko, “Perbandingan Metode Klasifikasi Berita Hoaks Berbahasa Indonesia Berbasis Pembelajaran Mesin,” J. Repos., vol. 2, no. 5, p. 675, 2020, doi: 10.22219/repositor.v2i5.692.

A. Azis, “Klasifikasi Pneumonia Menggunakan Metode Convolutional Neural Network,” Muhammadiyah Malang University, 2020.

S. E. Limantoro, Y. Kristian, and D. D. Purwanto, “Pemanfaatan Deep Learning pada Video Dash Cam untuk Deteksi Pengendara Sepeda Motor,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 7, no. 2, pp. 3–9, 2018, doi: 10.22146/jnteti.v7i2.419.

T. T. Maskoen and A. Masthura, “Nilai Area Under Curve dan Akurasi Neutrophil Gelatinase Associated Lipocalin untuk Diagnosis Acute Kidney Injury pada Pasien Politrauma di Instalasi Gawat Darurat RSUP dr . Hasan Sadikin Bandung Value of Area Under Curve and Accuracy Neutrophil Gelatinas,” pp. 158–164, 2017.

S. E. Limantoro, Y. Kristian, and D. D. Purwanto, “Penerapan borda clustering untuk pembentukan klaster desa penerima zakat di indonesia berdasarkan potensi wilayah dony rahmad agung saputro,” JNTETI, vol. 07, no. 02, 2018.

T. T. Maskoen and D. Purnama, “Area Under the Curve dan Akurasi Cystatin C untuk Diagnosis Acute Kidney Injury pada Pasien Politrauma,” Maj. Kedokt. Bandung, vol. 50, no. 4, pp. 259–264, 2018, doi: 10.15395/mkb.v50n4.1342.