Browsing UT - Computer Science by Subject "SVM"
Now showing items 1-6 of 6
-
Analisis Teknik Resampling Menggunakan Synthetic Minority Oversampling Technique (SMOTE) untuk Melatih Support Vector Machine (SVM)
(2018)Dataset yang memiliki distribusi kelas tidak seimbang dapat mengganggu proses pelatihan model untuk klasifikasi. Secara umum, permasalahan imbalanced data bisa diselesaikan dengan dua pendekatan, yaitu: pendekatan pada ... -
Implementasi Algoritma SMOTE Dalam Penanganan Imbalance Data Citra Multispektral Klasifikasi Kesuburan Sawah.
(2023-08)Peningkatan penggunaan teknologi terkini sangat dibutuhkan dalam dunia pertanian khususnya untuk memenuhi kebutuhan tanaman pangan dikarenakan peningkatan populasi manusia yang semakin cepat. Hal tersebut menyebabkan ... -
Implementasi Support Vector Machine (SVM) Untuk Klasifikasi Dokumen
(2013)Document classification is the process of grouping documents into specific categories that have been defined previously. In the real world, the distribution of the data is generally non-linear, which means the distribution ... -
Klasifikasi Fragmen Metagenom Menggunakan Metode SVM dan Fast Correlation Based Filter sebagai Penyeleksi Fitur
(2015)Bioinformatika memiliki banyak bidang kajian penting dan terus berkembang, salah satunya adalah analisis metagenom. Metagenom merupakan materi genetik yang diperoleh dari sampel yang langsung diambil dari lingkungan tanpa ... -
Klasifikasi Fragmen Metagenome Menggunakan Metode Support Vector Machine (SVM)
(2013)Metagenome analysis is one of the most important bioinformatics field. This field is related to genome which is taken directly from the environment. The purpose of this research is to classify metagenome fragment into some ... -
Pemodelan Support Vector Machine untuk Klasifikasi Bakteri Patogen dan Non Patogen Berdasarkan Data Sekuens Genom
(2015)Bacteria are microorganisms that can be divided into two domains, pathogenic (harmful bacteria) and non-pathogenic bacteria (bacteria are harmless). The purpose of this research is making modeling clasifications of pathogenic ...