Sistem Klasifikasi Tahu Non-Formalin Menggunakan Metode Random Forest

Sefrina Ainun(1*), Muhammad Munsarif(2), Muhammad Sam'an(3)


(1) Program Studi Informatika, Universitas Muhammadiyah Semarang
(2) Program Studi Informatika, Universitas Muhammadiyah Semarang
(3) Program Studi Informatika, Universitas Muhammadiyah Semarang
(*) Corresponding Author

Abstract


Tahu formalin adalah salah satu jenis makanan yang mengandung bahan-bahan kimia yang dapat mengawetkan daripada tahu tanpa formalin. Penelitian ini bertujuan untuk mengklasifikasikan tahu formalin dan tahu tidak formalin. Penelitian ini menggunakan metode random forest yang merupakan bagian dari algoritma machine learning untuk klasifikasi, Penelitian ini mencoba menerapkan metode random forest pada dataset tahu formalin dengan jumlah dataset public. Setelah dilakukan beberapa tahapan dalam pengujian dengan metode random forest maka diperolah hasil akurasi 89%. Model random forest dikembangkan menjadi aplikasi web deteksi tahu non formalin dan tahu formalin yang berfungsi bagi masyarakat dalam meningkatkan pangan agar bebas konsumsi tahu non formalin.

Full Text:

pdf

References


Aliffiyanti iskandar, n., ernawati, i., & widiastiwi, y. (2022). klasifikasi diagnosis penyakit stroke dengan menggunakan metode random forest. https://www.kaggle.com/fedesoriano/stroke-

Aliffiyanti iskandar, n., ernawati, i., & widiastiwi, y. (2022). klasifikasi diagnosis penyakit stroke dengan menggunakan metode random forest. https://www.kaggle.com/fedesoriano/stroke-

Amin, f. m. (2018). identifikasi citra daging ayam berformalin menggunakan metode fitur tekstur dan k-nearest neighbor (k-nn). jurnal matematika “mantik,” 4(1), 68–74. https://doi.org/10.15642/mantik.2018.4.1.68-74

budianti, l., & suliadi. (2022). metode weighted random forest dalam klasifikasi prediksi kelangsungan hidup pasien gagal jantung. bandung conference series: statistics, 2(2), 103–110. https://doi.org/10.29313/bcss.v2i2.3318

devella, s., & novia rahmawati, f. (2020). implementasi random forest untuk klasifikasi motif songket palembang berdasarkan sift. jurnal teknik informatika dan sistem informasi, 7(2). http://jurnal.mdp.ac.id

honda lombok timur nusa tenggara barat yahya, m. (2019). penggunaan algoritma k-means untuk menganalisis pelanggan potensial pada dealer sps. jurnal informatika dan teknologi, 2(2), 109–118.

kholilul, r. n. m., prakarsa mandyartha, e., & rizki, a. m. (n.d.). seminar nasional informatika bela negara (santika) rancang bangun sistem deteksi huruf rusia berbasis web flask.

mariko, s. (2019). aplikasi website berbasis html dan javascript untuk menyelesaikan fungsi integral pada mata kuliah kalkulus. jurnal inovasi teknologi pendidikan, 6(1), 80–91. https://doi.org/10.21831/jitp.v6.1.22280

metode, m., oleh, d., & chandra, a. (2023). pengembangan aplikasi berbasis web dengan python flask untuk klasifikasi data halaman judul.

muhtadi, m. m., dhandy friyadi, m., & rahmani, a. (n.d.). analisis gui testing pada aplikasi e-commerce menggunakan katalon.

ningtyas, d. f., & setiyawati, n. (2021). implementasi flask framework pada pembangunan aplikasi purchasing approval request flask framework implementation in development purchasing approval request application. jurnal janitra informatika dan sistem informasi, 1(1), 19–34. https://doi.org/10.25008/janitra.v1i1.120

nugroho, i., nabila el suffa, l., dewi, e., & komputer, s. (2018). deteksi tahu aman konsumsi dengan citra digital objek menggunakan metode k-nearest neighbor. www.antaranews.com

nurcahyani, a. a., & saptono, r. (n.d.). identifikasi kualitas beras dengan citra digital. scientific journal of informatics, 2(1). http://journal.unnes.ac.id/nju/index.php/sji

purwanto, i., afriansyah, m., & korespondensi, p. (2019). deteksi tingkat kesegaran daging ayam menggunakan k-nearest neighbor detection of the freshness of chicken meat using the k-nearest neighbor. 12(2).

satriawan, d., fitriyah, h., & budi, a. s. (2019). sistem klasifikasi tahu putih murni dan tahu putih mengandung formalin menggunakan metode k-nearest neighbor (vol. 3, issue 10). http://j-ptiik.ub.ac.id

sholeh, m., laksita aji, w., riady, y., & qasthari, b. l. (2022). pengelolaan pemesanan menu makanan menggunakan framework flask python. jurnal teknik informatika dan sistem informasi, 9(2). http://jurnal.mdp.ac.id

sulistyo nugroho, y., & nova emiliyawati, dan. (n.d.). sistem klasifikasi variabel tingkat penerimaan konsumen terhadap mobil menggunakan metode random forest. http://archive.ics.uci.edu/ml/

syukron, a., & subekti, a. (2018). penerapan metode random over-under sampling dan random forest untuk klasifikasi penilaian kredit. jurnal informatika, 5(2).

wulandari, i., yasin, h., & widiharih, t. (n.d.). klasifikasi citra digital bumbu dan rempah dengan algoritma convolutional neural network (cnn). https://ejournal3.undip.ac.id/index.php/gaussian/

yunita purnomo, t., yanto, f., insani, f., & ramadhani, s. (2022). penerapan algoritma random forest pada klasifikasi daging (vol. 6, issue 1).

zulmy alhamri, r. (2016). aplikasi data pokok pendidikan kota kediri dengan mengimplementasian css boostrap. in jurnal informatika & multimedia (vol. 08, issue 02).


Article Metrics

Abstract view : 380 times
pdf - 78 times

DOI: https://doi.org/10.26714/jkti.v1i2.12861

Refbacks

  • There are currently no refbacks.


=======================================================================================

Penerbit:

  • JKTI | Jurnal Komputer dan Teknologi Informasi
  • Program Studi S1 Informatika,  Unimus| Universitas Muhammadiyah Semarang
  • Sekretariat: Gedung Kuliah Bersama II (GKB II) Lantai 7,  Jl. Kedungmundu Raya No 18 Semarang
  • email: informatika@unimus.ac.id, Phone: + +62 813 2504 3677
  • e-ISSN: 2986-7592

Paper Template: Download

View My Stats

------------------------------------------------------------------------------------------------------------------------------------------------------