Fourier Descriptor on Lontara Scripts Handwriting Recognition
ILKOM Jurnal Ilmiah
Authors
Umar, Fitriyani; Herdianti; Purnawansyah, Universitas Muslim Indonesia
Abstract
Hal yang kritis dalam proses pengenalan pola adalah ekstraksi fitur. Merupakan suatu metode untuk mendapatkan ciri-ciri suatu citra (image) sehingga dapat dikenali satu sama lain. Pada penelitian ini, metode deskriptor Fourier digunakan untuk mengekstraksi pola aksara Lontara yang terdiri dari 23 huruf. Deskriptor Fourier adalah metode yang digunakan dalam pengenalan objek dan pemrosesan citra untuk merepresentasikan bentuk batas segmen citra. Pengenalan karakter dilakukan dengan menggunakan jarak Euclidean dan Manhattan. Hasil pengujian menunjukkan bahwa tingkat pengenalan tertinggi mencapai akurasi 91,30% dengan menggunakan koefisien Fourier sebesar 50. Pengenalan huruf menggunakan Manhattan dan Euclidean cenderung sama atau menghasilkan akurasi yang cenderung serupa. Akurasi tertinggi dicapai saat menggunakan Manhattan sebesar 91,30%
Sistem Pakar Berbasis Web untuk Diagnosa Awal Penyakit Mata dengan Penerapan Forward Chaining dan Certainty Factor
Jurnal Ilmiah ILKOMINFO-Ilmu Komputer & Informatika
Authors
Umar, Fitriyani; Aisyah, Universitas Muslim Indonesia
Abstract
Setiap tahunnya, di Indonesia jumlah penderita gangguan mata terus mengalami peningkatan. Beberapa jenis penyakit ini di antaranya katarak, kebutaan, kelainan refraksi dan kornea. Penyakit mata perlu mendapatkan pemeriksaan dan pengobatan dari dokter spesialis mata untuk menghindari kerusakan yang lebih parah. Seiring perkembangan teknologi, Pekerjaan yang sangat sibuk dari seorang dokter mengakibatkan bidang sistem pakar mulai dimanfaatkan untuk membantu seorang pakar/ahli dalam mendiagnosa berbagai macam penyakit. Penelitian ini membuat sistem pakar berbasis web untuk diagnosa awal penyakit mata. Sistem dibangun menggunakan bahasa PHP dengan model Unified Modelling Langguage (UML). Metode forward chaining diterapkan pada inferensi untuk merunutkan gejala-gejala yang menghasilkan kesimpulan. Adapun certainty factor untuk mengetahui berapa persen penyakit yang di derita penderita melalui hasil hitungan dalam metode tersebut. Hasil pencocokan diagnosa menunjukkan bahwa 100% sesuai antara hasil sistem dan diagnosa pakar. Sistem ini dapat menjadi sistem diagnosa awal untuk mengetahui jenis penyakit mata yang dialami tanpa konsultasi kepada spesialis mata terlebih dahulu
Prototype Of DPO Search Information System (People Search List) On CCTV Cameras Using Face Recognition
Inspiration: Jurnal Teknologi Informasi dan Komunikasi
Authors
Anugraha, Tri Reski; Atmajaya, Dedy; Hayati, Lilis Nur, Universitas Muslim Indonesia, Makassar, Indonesia; Nurhajar Anugraha, Politeknik Negeri Sriwijaya, Palembang, Indonesia
Abstract
The efficiency aspect of the housing security sector is the main consideration in creating information technology in a CCTV security development, because so far CCTV has not guaranteed maximum housing security, because CCTV can only record not analyze. This makes CCTV only a recording device for the point of occurrence, so this activity is less effective considering CCTV cannot analyze the face of a person who has committed a DPO action. So on that basis, researchers are developing existing technologies with facial recognition systems using the face recognition method for housing security. This method works by detecting a person's facial features. The face recognition apps provide information to the authorities by notifying the notification on the user's smartphone (security guard). So face recognition apps have been applied to the Green Cakra Housing, to help security guards monitor the entrance and exit of guests in the housing. This system can recognize the face of DPOs by obtaining a percentage of the assessment as much as agreeing that the application is effective enough.
Klasifikasi Penyakit Tanaman Bawang Merah Menggunakan Metode SVM dan CNN
Jurnal Informatika: Jurnal Pengembangan IT (JPIT)
Authors
Purnawansyah; Syafie, Lukman; Herdianti, Universitas Muslim Indonesia
Abstract
Shallots are one of the most widely produced crops in Enrekang Regency. The obstacle in cultivation is the presence of disease in the plant which can reduce production yields. We can recognize this disease from the spots on the leaves because these spots have unique color and texture characteristics. The aim of this research is to determine the results of the classification of shallot plant diseases which focuses on purple spot and moler disease. The classification algorithms used are CNN and SVM with RBF, linear, sigmoid and polynomial kernels. The feature extraction method used is Gray Level Co-occurance Matrix (GLCM). The analysis was carried out using 320 datasets with 2 classes, namely, purple spot disease and moler disease, each class has 160 datasets. The test results show that the CNN and SVM methods with RBF, linear and polynomial kernels get accuracy, precision, recall and F1 scores of 100% respectively. Meanwhile, the SVM method on the sigmoid kernel using texture feature extraction with the GLCM method states that the accuracy value is 75%, precision 75%, recall 73% and F1-Score 74%. So these results state that the Sigmoid method using GLCM feature extraction has the lowest value among other methods
Klasifikasi Daun Herbal Menggunakan Metode CNN dan Naïve Bayes dengan Fitur GLCM
Indonesian Journal of Data and Science
Authors
Purnawansyah; Herdianti; Widyawati, Dewi, Universitas Muslim Indonesia
Abstract
Tanaman herbal menunjukkan variasi berbagai ukuran dan bentuk yang berbeda untuk setiap jenis. Penelitian ini bertujuan untuk mengklasifikasikan citra daun dari daun katuk (Sauropus Androgynus) dan daun kelor (Moringa). Dalam penelitian ini digunakan Gray Level Co-Occurrence Matrix (GLCM) untuk mengektraksi fitur contrast, correlation, homogeneity, dissimilarity, dan Angular Second Moment (ASM). Adapun pada klasifikasi diterapkan metode Convolutional Neural Network (CNN) dan Naïve Bayes dengan kernel Gaussian, multinomial, dan Bernoulli. Jumlah citra yang digunakan dalam riset ini adalah 480 citra, dengan perincian 80% untuk data training dan 20% sebagai data testing. Berdasarkan hasil pengujian dan perbandingan yang telah dilakukan didapatkan kesimpulan bahwa penerapan metode CNN tanpa ekstraksi fitur terbukti lebih efisien dalam proses klasifikasi citra daun herbal, dengan nilai precision, recall, f1-score dan accuracy mencapai 98% pada situasi cahaya terang
Klasifikasi Penyakit Bawang Merah Menggunakan Naïve Bayes dan Convolutional Neural Network
Indonesian Journal of Data and Science
Authors
Purnawansyah; Herdianti; Nurhayati, Lilis, Universitas Muslim Indonesia
Abstract
Bawang merah rentan terhadap serangan penyakit yang dapat mengganggu pertumbuhan dan mengakibatkan hasil panen yang tidak maksimal bahkan gagal panen, seperti bercak ungu dan moler. Penelitian ini bertujuan untuk mengklasifikasikan penyakit bawang merah dengan mengimplementasikan meetode naïve bayes (gaussian , bernoulli, dan multinomial) dan CNN pada citra bawang merah yang diekstraksi menggunakan fourier descriptor. Metode FD – CNN memperoleh tingkat accuracy 98% dalam mengklasifikasikan penyakut bawang merah, moler dan bercak ungu, sedangkan metode CNN tanpa menggunakan ekstraksi menghasilkan nilai accuracy sebesar 97%. Adapun pada metode naïve bayes, pengklasifikasian yang memiliki accuracy paling tinggi adalah metode gaussian naïve bayes sebesar 95% sedangkan yang paling rendah yaitu metode bernoulli naïve bayes dengan tingkat accuracy sebesar 42%. Dengan demikian, dapat disimpulkan bahwa CNN, FD-CNN, dan FD-GNB efektif untuk meningkatkan performa klasifikasi pada citra daun bawang merah.
K-Nearest Neighbor dan Convolutional Neural Network pada Klasifikasi Penyakit Tanaman Bawang Merah
Techno.Com
Authors
Purnawansyah; Herdianti; Harlinda, Universitas Muslim Indonesia
Abstract
Bawang merah merupakan suatu kebutuhan masyarakat terutama pada bahan makanan dan juga digunakan untuk Kesehatan. Dengan banyaknya manfaat bawang merah, dibalik itu juga memiliki suatu kendala atau resiko pada penanaman bawang merah salah satu resikonya adalah hama atau penyakit yang dapat merugikan petani bawang merah. Tujuan dari penelitian ini yaitu mengklasifikasi penyakit daun bercak ungu dan moler pada tanaman bawang merah, yang di implementasikan menggunakan metode ekstraksi fitur Gray Level Co-Occurance Matix (GLCM) yang digunakan untuk ekstraksi fitur tekstrur. Selain itu ada lima jarak yaitu Eucludiean, Manhattan, Chebyshev, Minkowski, Hamming digunakan dalam metode klasifikasi K-Nearest Neighbor (KNN). Penelitian ini juga menggunakan metode klasifikasi Convolutional Neural Network (CNN). Hasil dari penelitian ini yang diperoleh menggunakan metode GLCM dan KNN dengan jarak Euclidean, Manhattan, Chebyshev, dan Minkowski mendapatkan hasil akurasi yang tinggi yakni sebesar 100%, sedangkan nilai akurasi terendah terdapat pada KNN jarak Hamming nilai akurasi yaitu sebesar 42%, adapun klasifikasi dari gabungan dari metode GLCM dan CNN mendapatkan hasil akurasi sebesar 100% dan pada metode CNN yang tanpa metode ekstraksi memiliki nilai akurasi sebesar 100%
Sosialisasi dan Pelatihan Bijak Bermedia Sosial agar Terhindar dari Jerat UU ITE bagi Siswa/Siswi Madrasah Aliyah Darud Da'wah wal Irsyad (DDI) Pangkep
Devote: Jurnal Pengabdian Masyarakat Global
Authors
Alwi, Erick Irawadi, Prodi Sistem Informasi, Fakultas Ilmu Komputer Universitas Muslim Indonesia; Hasanuddin, Tasrif, Prodi Teknik Informatika, Fakultas Ilmu Komputer Universitas Muslim Indonesia
Abstract
Students become the next generation of the nation and the state must know how to utilize technology properly. Not all students have an understanding of how to be wise with social media to avoid the snares of the ITE Law, not a few students do not understand the legal risks of applying the ITE Law, including students of Madrasah Aliyah Darud Da'wah Wal Irsyad Pangkep. For this reason, socialization and training on Wise social media and ITE Law are needed so that students of Madrasah Aliyah Darud Da'wah Wal Irsyad Pangkep can avoid the legal traps of the ITE Law. The method used in this service is in the form of socialization and training in providing education to students of Madrasah Aliyah Darud Da'wah Wal Irsyad Pangkep. The results of measuring the level of understanding before socialization were carried out pre-test with results of 40.8% and post-test after socialization of 90.6% of these results can conclude that community service activities have increased student understanding related to Wise social media to Avoid the Snares of the ITE Law by 49.8%.
Studi Perbandingan Kombinasi GMI, HSV, KNN, dan CNN pada Klasifikasi Daun Herbal
Indonesian Journal of Data and Science
Authors
Purnawansyah; Herdianti; Astuti, Wistiani, Universitas Muslim Indonesia
Abstract
Tumbuhan herbal memiliki banyak variasi yang dapat dikenali melalui ciri uniknya secara visual. Namun, cara ini sulit diterapkan pada tumbuhan yang memiliki ciri hampir sama. Penelitian ini membandingkan kinerja metode K-Nearest Neighbour (KNN) dan Convolutional Neural Network (CNN) dalam klasifikasi fitur daun herbal yang diekstraksi dengan menggunakan Geometric Moment Invariant (GMI) dan Hue Saturation Value (HSV). Dataset yang digunakan adalah dataset citra daun katuk (Sauropus androgynus) dan daun kelor (Moringa oleifera) dengan skenario citra terang dan citra gelap. Pembagian data untuk tiap skenario adalah 80% untuk training dan 20% untuk testing. Metode KNN diuji menggunakan nilai dan evaluasi kinerja KNN dan CNN meliputi accuracy, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa CNN tanpa ekstraksi fitur dan CNN dengan kombinasi ekstraksi fitur HSV memperoleh performa terbaik dengan rata-rata nilai precision, recall, f1-score dan accuracy sebesar 98% untuk skenario gelap maupun terang
Klasifikasi Penyakit Tanaman Bawang Merah Menggunakan Convolutional Neural Network dan K-Nearest Neighbor
Computer Science Research and Its Development Journal
Authors
Purnawansyah; Herdianti; Alwi, Erick Irawadi, Universitas Muslim Indonesia
Abstract
The potential for yield loss due to shallot plant disease is the main trigger that can reduce agricultural productivity. Pest and disease attacks can be minimized and overcome quickly if farmers are able to classify the types of diseases that attack plants based on the characteristics and symptoms that appear. This study aims to classify shallot plant diseases, namely purple spotting and moles with a total of 320 datasets using Hue Saturation Value color feature extraction using the K-Nearest Neighbor (Euclidean Distance) and Convolutional Neural Network methods. Based on the results of the study, the accuracy, f1-score was 94% and precision, recal was 97%, 91% in purple spot disease while in moler disease it was 94% in accuracy, precision, recall, and f1-score in HSV and KNN classifications. Classification using HSV and CNN yielded high scores in accuracy, precision, recall, and f1-score with a value of 100% in both purple spot and moler shallot leaf diseases. Classification using deep learning CNN obtains very good accuracy, precision, recall and f1-score, namely 100%. With this description, the classification of shallot plant diseases using HSV and CNN, and CNN deep learning are stated to be able to classify shallot plant diseases, namely purple spotting and moles effectively and accurately
Analisis Eksplorasi Data Aplikasi Android pada Playstore
Buletin Sistem Informasi dan Teknologi Islam (BUSITI)
Authors
Purnawansyah; Herdianti, Universitas Muslim Indonesia
Abstract
Google Playstore memiliki karakteristik yang berbeda dengan Apple App Store yaitu lebih terbuka terhadap developer aplikasi mobile sehingga memiliki varian yang lebih beragam dibanding dengan Apple App Store. Setiap aplikasi di dalam app store dapat dikelompokan berdasarkan karakteristik yang sama dan dapat disebut sebagai kategori dan genre. Pada tahun 2018 jumlah mobile app yang tersedia mencapai 3,6 juta aplikasi. Berbagai jenis mobile app tersedia pada layanan google play store, mulai dari hiburan, media sosial, editor, jasa transportasi, perdagangan (marketplace), dan kesehatan. Penelitian ini bertujuan untuk melakukan 5 analisis yaitu aplikasi dengan rating tertinggi, mencari 5 aplikasi dengan size paling berat (MBs), visualisasi data content ratings aplikasi, mengidentifikasi aplikasi dengan install terbanyak, visualisasi kategori aplikasi. Dari 2152981 data yang telah di crawling diperoleh bahwa 5 aplikasi dengan rating tertinggi yaitu Biliyor Musun - Sonsuz Yarış, CoronaSurveys, Amkshoproom Shopping, Merlin CRM, Tictactoe Superpowers dan free game. Fun and Chalmo, mencari 5 aplikasi dengan size paling berat (MBs) yaitu SkySafari 6 Pro, Audio Book Bible Offline Arabic, Audio Book Bible Offline Burmese, Audio Book Bible Offline Amharic dan Audio Book Bible Offline Germany, Visualisasi content data rating dari grafik dapat kita lihat bahwa mayoritas aplikasi mobile pada android mengatur content rating kedalam kategori Everyone, Mengindentifikasi aplikasi install terbanyak dari data yang telah diperoleh bahwa hanya terdapat 1 aplikasi yang memiliki jumlah install lebih dari 10M install dan 14 aplikasi yang memiliki jumlah install lebih dari 5 M, visualisasi kategori aplikasi dari data yang diperoleh bahwa aplikasi berkategori education memiliki jumlah terbanyak yang ada di pasar playstore saat ini
Prediksi Potensi Donatur Menggunakan Model Logistic Regression
Indonesian Journal of Data and Science
Authors
Jabir, Sitti Rahmah; Azis, Huzain; Widyawati, Dewi; Tenripada Andi Ulfa, Universitas Muslim Indonesia
Abstract
GRDS menghadapi kelangkaan dana, ketika diperlukan untuk merawat para korban Gaja. Gaja adalah topan bernama kelima dari musim siklon Samudra Hindia Utara 2018 yang mempengaruhi sebagian besar tempat di Tamil Nadu, India selama bulan November 2018. Tujuan dari penelitian ini adalah untuk menggunakan riwayat donasi untuk menganalisis apakah donator akan menyumbang atau tidak menggunakan regresi logistik. Data Tamil Nadu diberikan untuk menerapkan model yang dibangun untuk memprediksi donator yang paling mungkin menjadi korban topan Gaja. Pada tahap pengumpulkan data seringkali terjadi hambatan, salah satu hambatannya yaitu fenomena missing data atau data hilang. Akibat dari adanya missing data adalah pendugaan parameter menjadi tidak efisien. Ukuran data yang berkurang dapat mengakibatkan kesulitan dalam menganalisis, sehingga hasil yang didapatkan menjadi tidak valid dan tujuan dari penelitian tidak tercapai. Data yang hilang akan diisi menggunakan metode single imputation. Data yang telah diimputasi menggunakan beberapa metode akan membantu dalam melakukan prediksi. Dimana algoritma yang digunakan untuk melakukan prediksi ialah logistic regression. Beberapa data dihilangkan setelah melihat multikolinearitas. Dalam tahap pemodelan, data dibagi menjadi 2 yaitu 70% untuk data pelatihan dan 30% untuk data tes. Dimana hasil perhitungan akurasi dari model ialah 0,6129 yang menunjukkan bahwa model tidak melakukan prediksi dengan baik menggunakan metode tersebut
Implementasi Aset 3D Rumah Tongkonan Pada Desa Marinding
Ilmu Komputer untuk Masyarakat
Authors
Azis, Huzain; Jabir, Sitti Rahmah, Universitas Muslim Indonesia
Abstract
Salah satu penerapan bidang teknologi yang berkembang ialah multimedia. Dalam multimedia terdapat Animasi 3 dimensi (3D), yang mana merupakan proses pembuatan pergerakan gambar dalam lingkaran 3 dimensi. Pada animasi 3D, sebuah perangkat lunak menciptakan real virtual dalam 3 dimensi dan perubahan (Gerakan) dihitung 3 aksis (x, y dan z). berdasarkan hasil tersebut, didapatkan sebuah objek yang dapat terlihat dari sisi tampak muka, samping, belakang, atas, dan bawah. Dimana orang dapat menjelajahi objek tersebut dari sudut pandang manapun. Tim Program Kemitraan Program Kemitraan Masyarakat (PKM) Pemula UMI memalukan riset pada desa Marinding, yang ditemukan belum terdapat penerapan aset 3D pada rumah Tongkonan yang ada di Desa Marinding). Dimana budaya pada desa tersebut yang masih sangat kental yang menjadikan sebagai objek budaya yang patut untuk dilestarikan. Aset 3D yang dapat diterapkan pada rumah Tongkonan nantinya dapat membantu masyarakat khususnya desa Marinding dalam memperlihatkan objek rumah Tongkonan mereka. Berdasarkan permasalahan yang telah dipaparkan sebelumnya, PKM Pemula UMI ingin memberikan solusi pelestarian budaya dengan berpatisipasi dalam melestarikan kebudayaan Tana Toraja dalam hal implementasi 3D aset pada salah satu objek budaya yang ada disana yaitu rumah Tongkonan. Desa yang akan dipilih untuk dilakukan pengabdian yaitu pada Desa Marinding. Implementasi Aset 3D yang nantinya akan dibuat diharapkan dapat membatu masyarakat dalam melestarikan budaya menerapkan aset 3D pada rumah Tongkonan.Hasil yang diperoleh dari kegiatan pengabdian yaitu mitra kantor desa Tamangapa dapat memanfaatkan aset 3D dalam pelestarian budaya, mitra Kantor Desa Tamangapa dapat membantu wisatawan dalam mengenalkan objek budaya mereka khusunya rumah Tongkonan, wisatawan dapat dengan mudah mempelajari terkait rumah tongkonan yang ada di Kab. Tana Toraja dan perangkat desa dapat memperlihatkan dengan mudah objek wisata yang dimiki dalam bentuk 3D. Sebagai penunjang dalam kegiatan tersebut, staf yang mengikuti kegiatan pelatihan diberikan modul implementasi aet 3D rumah Tongkonan pada Desa Marinding. Luaran akhir berupa publikasi di media masssa (inipasti.com) dan artikel yang akan di publikasipadan pada jurnal ILKOMAS (Ilmu Komputer Untuk Masyarakat (ILKOMAS)
The Support Vector Regression Method Performance Analysis in Predicting National Staple Commodity Prices
ILKOM Jurnal Ilmiah
Authors
Azis, Huzain; Purnawansyah, Universitas Muslim Indonesia; Dwiyanto, Felix Andika, AGH University Of Science and Technology
Abstract
Support Vector Regression (SVR) is a supervised learning algorithm to predict continuous variable values. The basic goal of the SVR algorithm is to find the most suitable decision line. SVR has been successfully applied to several issues in time series prediction. In this research, SVR is used to predict the price of staple commodity, which are constantly changing in price at any time due to several factors making it difficult for the public to get groceries that are easy to reach. National staple commodity data consisting of 17 commodities, including shallots, honan garlic, kating garlic, medium rice, premium rice, red cayenne peppers, curly red chilies, red chili peppers, meat of broiler chicken, beef hamstrings, granulated sugar, imported soybeans, bulk cooking oil, premium packaged cooking oil, simple packaged cooking oil, broiler chicken eggs, and wheat flour. With a data set for the last 3 years, including from January 1, 2020, to December 31, 2022. There are 3 variables in the data set, namely commodity, date, and price. This research divides the entire dataset into 80% training and 20% testing data. The results of this research show that SVR using the RBF kernel produces good forecasting accuracy for all datasets with an average Mean Square Error (MSE) training data of 6,005 while data testing is 6,062, Mean Absolute Deviation (MAD) of training data is 6,730 while data testing is 6.6831, Mean Absolute Percentage Error (MAPE) training data is 0.0148 while data testing is 0.0147, and Root Mean Squared Error (RMSE) training data is 7.772 while data testing is 7.746
Penerapan Metode String Matching dengan Algoritma Rabin Karp untuk Merekomendasikan Objek Wisata di Kabupaten Bulukumba Berbasis Web
Buletin Sistem Informasi dan Teknologi Islam (BUSITI)
Authors
Yusuf, Hadi; Satra, Ramdan; Fattah, Farniwati Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia
Abstract
Pariwisata merupakan salah satu kegiatan yang digemari oleh banyak kalangan saat ini, bahkan dapat dikatakan bahwa pariwisata merupakan salah satu kebutuhan yang penting bagi orang banyak, terutama menyangkut kegiatan sosial ekonomi yang dipandang sebagai salah satu industry pariwisata yang prospektif di masa yang akan datang. Pariwisata yang saat ini menarik diberbagai kalangan, mendorong pengembangan sektor pariwisata, salah satunya pengembangan dengan menggunakan teknologi digital. Pemanfaatan teknologi digital dan internet merupakan salah satu upaya dalam mengembangkan pariwisata baik dalam kegiatan promosi atau kegiatan dalam menjalankan bisnis pariwisata. Salah satu bidang ilmu dalam Ilmu Komputer yang dapat dimanfaatkan pada segmentasi pariwisata adalah metode String Matching untuk proses pencarian objek wisata. Metode pencocokan String atau String Matching ini dapat digunakan dengan menggunakan beberapa Algoritma, salah satunya adalah Rabin-Karp. Pada penelitian ini, peneliti memanfaatkan metode String Macthing dalam pencarian objek wisata berdasarkan deskripsi kriteria tempat wisatanya yang berupa data objek wisata berupa nama, lokasi, sarana dan prasana, alamat google maps, gambar, dan kriteria objek wisata lainnya yang diinputkan. Hasil dari penelitian ini adalah sebuah sistem yang menerapkan Algoritma Rabin-Karp untuk merekomendasikan objek wisata di Kabupaten Bulukumba yang dimana persentase kemiripan antara inputan pencarian objek wisata dengan hasil rekomendasi wisata yaitu sebesar 33.49%.
Related SDGs
Chemical Composition and Aroma Profiling: Decision Tree Modeling of Formalin Tofu
Journal of Embedded Systems, Security and Intelligent Systems
Authors
Azis, Huzain; Jabir, Sitti Rahmah, Universitas Muslim Indonesia
Abstract
This study focuses on the analysis of the aroma quality of tofu preserved with formalin, with the goal of developing a predictive model based on its chemical composition. Utilizing a dataset that includes various chemical components such as Hydrogen, LPG, CO, Alcohol, Propane, Methane, Smoke, and temperature, this research applies a Decision Tree model. The model is validated using 5-fold cross-validation, resulting in an accuracy of 36.79%, precision of 50.82%, recall of 36.79%, and an F1-Score of 27.58%. These results indicate the model's limitations in consistent prediction, suggesting potential improvements through other methods or the addition of variables. This study provides new insights into the relationship between chemical composition and aroma quality of formalin tofu, and opens new avenues for further research in this field.