Algoritma Klasifikasi Untuk Memprediksi Merk Makanan Kucing
DOI:
https://doi.org/10.29407/t8a52c97Keywords:
Klasifikasi Machine Learning, Makanan Kucing, Support Vector MachineAbstract
Abstrak – Pemilihan makanan kucing yang tepat sering menjadi kendala bagi pemilik karena banyaknya merek dengan karakteristik yang berbeda. Perbedaan harga dan informasi produk menyebabkan pemilihan makanan masih dilakukan secara subjektif. Penelitian ini bertujuan menerapkan metode Support Vector Machine (SVM) untuk mengklasifikasikan merek makanan kucing berdasarkan karakteristik produk. Data yang digunakan merupakan dataset sekunder dari Kaggle yang telah melalui tahap pembersihan data, transformasi atribut kategorik, dan normalisasi data. Model SVM diuji menggunakan beberapa jenis kernel, yaitu linear, radial basis function, polynomial, dan sigmoid. Evaluasi dilakukan menggunakan data uji dengan ukuran akurasi sebagai indikator kinerja model. Hasil pengujian menunjukkan bahwa kernel polynomial menghasilkan akurasi tertinggi sebesar 60,87%, sehingga dinilai paling optimal dalam melakukan klasifikasi merek makanan kucing. Penelitian ini menunjukkan bahwa penerapan SVM dapat membantu proses pemilihan makanan kucing secara lebih objektif berbasis data. Hasil penelitian ini diharapkan menjadi dasar pengembangan sistem pendukung keputusan dalam menentukan makanan kucing yang sesuai.
Downloads
References
[1] S. A. Siregar, D. Setyawan, and A. K. P. Atmani, “Karakter Animasi Sebagai Pembawa Acara Pada Penyutradaraan Program Magazine Show ‘Pet House’(Episode “Cat Lovers),” Sense J. Film Telev. Stud., vol. 4, no. 2, pp. 117–136, 2021.
[2] L. Budiarti and G. W. Nurcahyo, “Penerapan Metode Jaringan Syaraf Tiruan Backpropagation Untuk Memprediksi Kualitas Makanan Kucing,” J. KomtekInfo, pp. 390–397, 2024.
[3] D. Tusima, “Sistem Pendukung Keputusan Untuk Diagnosis Dini Gangguan Kesehatan Pada Hewan Peliharaan Kucing Ras Persia,” 2020.
[4] N. A. Sya’bana, A. Herdiansah, F. Faridi, and T. Pujangkoro, “Sistem Pendukung Keputusan Pemilihan Makanan Kucing Menggunakan Metode Analitical Hierarchy Process,” JIKA (Jurnal Inform., vol. 7, no. 4, pp. 472–478, 2023.
[5] W. Gusmiranda and D. Sartika, “Pengaruh Citra Merek, Persepsi Harga dan Kualitas Produk Terhadap Keputusan Pembelian Makanan Kucing Merek Cat Choice di Toko Phiko Cat Shop Balikpapan,” Inisiat. J. Ekon. Akunt. dan Manaj., vol. 4, no. 2, pp. 86–100, 2025.
[6] S. D. Manalu, AI: revolusi pembelajaran menerobos batasan melalui pemanfaatan kecerdasan buatan dalam pendidikan. CV Brimedia Global, 2024.
[7] D. M. Meliala and P. Hasugian, “Perbandingan Algoritma K-Nearest Neighbor Dengan Decision Tree Dalam Memprediksi Penjualan Makanan Hewan Peliharaan Di Petshop Dore Vet Clinic,” Respati, vol. 15, no. 3, p. 35, 2020, doi: 10.35842/jtir.v15i3.369.
[8] B. M. Kumarahadi, Y. K. Kumarahadi, and D. Ridhwanullah, “Sistem Rekomendasi Makanan Kucing Menggunakan Metode Content-Based Filtering,” J. Kridatama Sains dan Teknol., vol. 7, no. 01, pp. 46–61, 2025.
[9] H. D. Nugroho and D. R. Nugroho, “Klasifikasi Jenis Ikan Hiu Menggunakan Algoritma YOLOv8 Berbasis Mobile,” vol. 4, pp. 102–107, 2025.
[10] N. A. Sya’bana, A. Herdiansah, F. Faridi, and T. Pujangkoro, “Sistem Pendukung Keputusan Pemilihan Makanan Kucing Menggunakan Metode Analitical Hierarchy Process,” JIKA (Jurnal Inform., vol. 7, no. 4, p. 472, 2023, doi: 10.31000/jika.v7i4.9600.
[11] “Amazon India Cat Food Products Dataset.”, tersedia pada platform Kaggle, https://www.kaggle.com/datasets/herambsawant/amazon-india-cat-food-products-dataset
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Sepvira Femy Dewinta Sari
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
