Maulana, Dimas Aqila (2025) Perbandingan Algoritma Support Vector Machine, Random Forest, dan Naive Bayes Untuk Klasifikasi Spesimen Vertebrata Koleksi Museum (TA.2.25.026). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Klasifikasi spesimen vertebrata dari koleksi museum memegang peranan penting dalam mendukung penelitian taksonomi, konservasi keanekaragaman hayati, dan pengelolaan koleksi digital. Namun, proses identifikasi manual menghadapi tantangan berupa keterbatasan sumber daya manusia, waktu, dan akurasi, terutama pada koleksi berskala besar. Penelitian ini membandingkan kinerja tiga algoritma machine learning, yaitu Support Vector Machine (SVM), Random Forest (RF), dan Naive Bayes (NB), dalam tugas klasifikasi spesimen vertebrata berdasarkan atribut morfologi. Dataset yang digunakan berasal dari koleksi museum di Indonesia dengan total lebih dari 10.000 spesimen. Proses penelitian mencakup pra-pemrosesan data, pelatihan model, serta evaluasi menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dibandingkan SVM dan Naive Bayes dengan nilai akurasi, presisi, recall, dan f1- score tertinggi. Temuan ini merekomendasikan penggunaan Random Forest sebagai solusi optimal dalam klasifikasi spesimen vertebrata berbasis machine learning untuk mendukung pengelolaan koleksi digital museum secara efisien dan akurat. Kata kunci: Klasifikasi Spesimen, Vertebrata, Machine Learning, Support Vector Machine, Random Forest, Naive Bayes, Koleksi Museum
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 29 Sep 2025 03:39 |
| Last Modified: | 29 Sep 2025 03:39 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3629 |
Actions (login required)
 |
View Item |
