KLASIFIKASI KEJADIAN PENYAKIT HIPERTENSI MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) PADA DATA SURVEI MASYARAKAT

MUTAQIN, BRIANSYAH JANATI (2023) KLASIFIKASI KEJADIAN PENYAKIT HIPERTENSI MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) PADA DATA SURVEI MASYARAKAT. S1 thesis, Universitas Mercu Buana Bekasi.

Preview	Text 41819210019-Briansyah Janati-01 Cover.pdf Download (413kB) | Preview
Preview	Text 41819210019-Briansyah Janati-02 Abstrak.pdf Download (32kB) | Preview
	Text 41819210019-Briansyah Janati-03 BAB 1.pdf Restricted to Registered users only Download (180kB)
	Text 41819210019-Briansyah Janati-04 BAB 2.pdf Restricted to Registered users only Download (743kB)
	Text 41819210019-Briansyah Janati-05 BAB 3.pdf Restricted to Registered users only Download (185kB)
	Text 41819210019-Briansyah Janati-06 BAB 4.pdf Restricted to Registered users only Download (411kB)
	Text 41819210019-Briansyah Janati-07 BAB 5.pdf Restricted to Registered users only Download (46kB)
	Text 41819210019-Briansyah Janati-08 Daftar Pustaka.pdf Restricted to Registered users only Download (232kB)
	Text 41819210019-Briansyah Janati-09 Lampiran.pdf Restricted to Registered users only Download (81kB)

Abstract

Kopi merupakan salah satu komoditas unggulan pada sektor perkebunan Indonesia. Kiprah komoditas kopi bagi perekonomian Indonesia cukup penting, baik untuk pendapatan petani kopi, sumber devisa, pembuat bahan standar industri, juga penyedia lapangan kerja melalui kegiatan pengolahan, pemasaran, serta perdagangan ekspor dan impor. Dalam penelitian ini merupakan data vegetasi yang didapatkan melalui pengolahan citra satelit Landsat 8 OLI untuk memonitoring kadar air pada perkebunan kopi Desa Kemiriombo Kecamatan Gemawang yang terkena dampak cuaca ektrim. Karena masalah ini dilakukan penelitian menggunakan ekstraksi fitur Normalized Difference Water Index (NDWI) dengan menggunakan algoritma Naïve Bayes dan Random Forest guna membantu klasifikasi Vegetasi perkebunan kopi pada Desa Kemiriombo Kecamatan Gemawang. Untuk penelitian mengambil data pada periode 10 September 2019 hingga 10 Juli 2020 dengan clipping sebagai proses preprocessing.Hasil penelitian menggunakan index NDWI menunjukan bahwa terjadinya kekeringan sedang hingga non-badan air dari rentang waktu 10 september 2019-10 juli 2020, dan hasil dari algoritma naïve bayes memperoleh akurasi sebesar 59%, sedangkan dari algoritma random forest memperoleh akurasi sebesar 56%. Kata Kunci: NDWI, Naïve Bayes, Random Forest, Vegetasi, Ekstrasi Coffee is one of the leading commodities in the Indonesian plantation sector. The progress of the coffee commodity for the Indonesian economy is quite important, both for the income of coffee farmers, a source of foreign exchange, a maker of industrial standard materials, as well as a provider of employment through processing, marketing and export and import trading activities. in this research is vegetation data obtained through processing Landsat 8 OLI satellite imagery to monitor water content in coffee plantations in Kemiriombo Village, Gemawang District which are affected by extreme weather. Because of this problem, research was carried out using the Normalized Difference Water Index (NDWI) feature extraction using the Naïve Bayes and Random Forest algorithms to help classify coffee plantation vegetation in Kemiriombo Village, Gemawang District. For research, collecting data from 10 September 2019 to 10 July 2020 with clipping as a preprocessing process.The results of the study using the NDWI index show that there was moderate drought to non-water bodies from 10 september 2019-10 july 2020, and the results from naïve bayes algoritm obtained an accuracy of 59%, while the random forest algoritm obtained an accuracy an 56%. Key Words: NDWI, Naïve Bayes, Random Forest, Vegetasi, Ekstrasi

Actions (login required)

View Item