KLASIFIKASI ROASTED BIJI KOPI DENGAN PRINCIPAL COMPONENT ANALYSIS DAN RANDOM FOREST
Biji kopi roasted Robusta yang berasal dari Toraja dan Ciwidey, Indonesia memiliki bentuk, warna dan karakteristik biji kopi yang sama. Sering terjadi kesalahan dalam mengenali varietas biji kopi hanya melalui melihat secara kasat mata. Dalam hal klasifikasi citra, Random Forest memiliki performa dan kinerja yang stabil. Penelitian ini bertujuan untuk melakukan klasifikasi biji kopi berdasarkan citra biji kopi roasted dengan menggunakan algoritma Random Forest dan PCA. Tahapan yang dilakukan adalah pengumpulan dataset Robusta dan Toraja yang diambil secara manual dan diberikan label sebanyak 2000. Data tersebut dipreprocessing, variabel dikurangi dengan PCA dan Random Forest dalam pembentukan model. Pengujian menggunakan 1600 data latih dan 400 data uji untuk mengukur performa RF dengan mengubah parameter jumlah dataset dan nilai N pada Random Forest dengan nilai akurasi tertinggi sebesar 98.05% dengan nilai N = 20 dan data yang diujikan sebanyak 360.
APA Style
. (2023).KLASIFIKASI ROASTED BIJI KOPI DENGAN PRINCIPAL COMPONENT ANALYSIS DAN RANDOM FOREST ().Teknik Informatika:FTI
Chicago Style
.KLASIFIKASI ROASTED BIJI KOPI DENGAN PRINCIPAL COMPONENT ANALYSIS DAN RANDOM FOREST ().Teknik Informatika:FTI,2023.Text
MLA Style
.KLASIFIKASI ROASTED BIJI KOPI DENGAN PRINCIPAL COMPONENT ANALYSIS DAN RANDOM FOREST ().Teknik Informatika:FTI,2023.Text
Turabian Style
.KLASIFIKASI ROASTED BIJI KOPI DENGAN PRINCIPAL COMPONENT ANALYSIS DAN RANDOM FOREST ().Teknik Informatika:FTI,2023.Text
