Melola Discovery

← Melola Discovery

Jurnal Tanpa peringkat SINTA

Analisis Produktivitas Tumbuhan Buah Melalui Feature Selection

Jurnal Matematika, Statistika dan Komputasi · Vol. 8 No. 2 (2018) · hlm. 69–85

DOI
10.20956/jmsk.v8i2.3387
ISSN
2614-8811, 1858-1382
Terbit
2018-02-01
Penerbit
Department of Mathematics, Hasanuddin University
Bahasa
en

Abstrak

Variabel dan seleksi fitur yang difokuskan dari penelitian ini diterapkan untuk data tumbuhan buah. Suatu objek perlu diketahui fitur-fiturnya agar dapat dikenali dan dibedakan dari objek lain. Fitur-fitur optimal yang dapat diketahui dari suatu objek akan mempermudah dan mempercepat proses identifikasi objek tersebut. Oleh karena itu perlu dilakukan seleksi fitur (feature selection). Feature selection adalah suatu metode penganalisaan data yang bertujuan untuk memilih fitur yang berpengaruh (fitur optimal) dan mengesampingkan fitur yang tidak berpengaruh. Ada beberapa algoritma feature selection yang dapat digunakan, salah satunya adalah Relief. Relief memanfaatkan teknik bobot (weight) untuk mengukur signifikansi fitur dalam konteks klasifikasi. Fitur yang memiliki nilai bobot di atas ambang batas (threshold) yang digunakan akan dipilih. Penelitian ini bertujuan untuk mendapatkan fitur optimal dari data tumbuhan buah di kabupaten Aceh Tengah dan Bener Meriah. Hasil menunjukkan untuk setiap data yang diuji hanya menghasilkan satu fitur optimal dengan nilai threshold berbeda. Hubungan yang terjadi antara jumlah data dan threshold terhadap fitur optimal adalah terbalik.

Jaringan kolaborasi para penulis

22 penulis · 36 tautan kepenulisan bersama · 18 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Yogyakarta State University
  • Universitas Islam Negeri Salatiga
  • Diponegoro University
  • Monash University
  • Universitas Syiah Kuala
  • Suez Canal University
  • Universitas Ma'arif Lampung
  • Organisasi lain
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Muhammad Nazil IqdamiMonash University2
Puji Wulandari KuncorowatiYogyakarta State University2
Fithriana ArAfiliasi tidak diketahui1
Wanda Sri NovianaUniversitas Syiah Kuala1
Lantip Diat PrasojoYogyakarta State University1
Awanis AkaliliYogyakarta State University1
Muhammad Chairul HudaUniversitas Islam Negeri Salatiga1
Yusriyadi YusriyadiDiponegoro University1
Mudjahirin ThohirDiponegoro University1
M.Pd., Mukhamad MurdionoAfiliasi tidak diketahui1
Mukhamad MurdionoYogyakarta State University1
Marzuki MarzukiYogyakarta State University1
Burhan Yusuf HabibiSuez Canal University1
Hanung TriyokoUniversitas Islam Negeri Salatiga1
Ahmad Benny SyahputraYogyakarta State University1
Putri NurhayatiUniversitas Ma'arif Lampung1
Pradata Ardi SaputroYogyakarta State University1
Ardian FahriYogyakarta State University1
Febriana KhoiriyahYogyakarta State University1
Difana MeilaniAndalas University1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unhas.ac.id/index.php/jmsk/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Analisis Produktivitas Tumbuhan Buah Melalui Feature Selection</dc:title>
	<dc:creator xml:lang="en">Miftahuddin, Miftahuddin</dc:creator>
	<dc:creator xml:lang="en">Subianto, Muh.</dc:creator>
	<dc:description xml:lang="en">Variabel dan seleksi fitur yang difokuskan dari penelitian ini diterapkan untuk data tumbuhan buah. Suatu objek perlu diketahui fitur-fiturnya agar dapat dikenali dan dibedakan dari objek lain. Fitur-fitur optimal yang dapat diketahui dari suatu objek akan mempermudah dan mempercepat proses identifikasi objek tersebut. Oleh karena itu perlu dilakukan seleksi fitur (feature selection). Feature selection adalah suatu metode penganalisaan data yang bertujuan untuk memilih fitur yang berpengaruh (fitur optimal) dan mengesampingkan fitur yang tidak berpengaruh. Ada beberapa algoritma feature selection yang dapat digunakan, salah satunya adalah Relief. Relief memanfaatkan teknik bobot (weight) untuk mengukur signifikansi fitur dalam konteks klasifikasi. Fitur yang memiliki nilai bobot di atas ambang batas (threshold) yang digunakan akan dipilih. Penelitian ini bertujuan untuk mendapatkan fitur optimal dari data tumbuhan buah di kabupaten Aceh Tengah dan Bener Meriah. Hasil menunjukkan untuk setiap data yang diuji hanya menghasilkan satu fitur optimal dengan nilai threshold berbeda. Hubungan  yang terjadi antara jumlah data dan threshold terhadap fitur optimal adalah terbalik.</dc:description>
	<dc:publisher xml:lang="en">Department of Mathematics, Hasanuddin University</dc:publisher>
	<dc:date>2018-02-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unhas.ac.id/index.php/jmsk/article/view/3387</dc:identifier>
	<dc:identifier>10.20956/jmsk.v8i2.3387</dc:identifier>
	<dc:source xml:lang="en">Jurnal Matematika, Statistika dan Komputasi; Vol. 8 No. 2: January 2012; 69-85</dc:source>
	<dc:source>2614-8811</dc:source>
	<dc:source>1858-1382</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://journal.unhas.ac.id/index.php/jmsk/article/view/3387/1924</dc:relation>
	<dc:relation>10.20956/j.v8i2.3387.g1924</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2018 Miftahuddin Miftahuddin, Muh. Subianto</dc:rights>
</oai_dc:dc>