View/Open

Author
Christian Arvianus Nathanael, Biran

Date Published
05 Mar 2026

Advisor
Christyan Tamaro Nadeak, S.Si., M.Si.,
Fajri Farid, M.Sc.,

Subject
Sains Data

Publisher

Inefisiensi komputasi akibat evaluasi redundan merupakan kelemahan fundamental strategi OvO-SVM, terutama pada dataset dengan jumlah kelas yang banyak seperti 7 kelas dari Dry Beans Dataset. Penelitian ini mengevaluasi arsitektur DAG-SVM sebagai alternatif yang lebih efisien dengan menggunakan kernel polinomial dan kernel RBF, serta penyusunan graf berbasis arbitrary dan frequency. Hasil eksperimen menunjukkan bahwa DAG-SVM dan OvO-SVM memiliki skor evaluasi yang tidak berbeda signifikan. OvO-SVM memiliki akurasi 0,9228 hingga 0,9365 dan skor F1-macro 0,9362 hingga 0,9457, sedangkan DAG-SVM memiliki akurasi 0,9228 hingga 0,9361 dan skor F1-macro 0,9362 hingga 0,9454. DAG-SVM terbukti lebih cepat pada tahap prediksi yang membutuhkan waktu uji 2,7431 hingga 3,4097 detik dibandingkan OvO-SVM 10,8792 hingga 28,8376 detik, sehingga DAG-SVM hanya menggunakan 9,5% hingga 31,3

URI
https://repo.itera.ac.id/depan/submission/SB2603040009

Keyword
Directed Acyclic Graph Efisiensi Komputasi Klasifikasi Multikelas One-vs-One Support Vector Machine