Penentuan Metode Terbaik Dalam Menentukan Jenis Pohon Pisang Menurut Tekstur Daun (Metode K-NN dan SVM)
DOI:
https://doi.org/10.26905/jtmi.v6i2.5156Keywords:
Pohon pisang, Data Mining, K-Nearest Neighbor (K-NN), Support Vector Machine (SVM).,Abstract
Di sejumlah masyarakat banyak ditemui berbagai jenis pohon pisang. Tidak hanya buahnya yang rasanya manis, tapi juga pohonnya bisa membantu penghijauan alam. Seringkali masyarakat kecewa saat pohon pisang yang ditanamnya tidak sesuai dengan yang diharapkan saat menanamnya. Hal ini bisa dimaklumi mengingat pohon pisang membutuhkan waktu yang lama untuk tumbuh sebelum berbuah. Maka akan lebih baik jika dapat diketahui sejak awal jenis pohon pisang tersebut berdasarkan komponen pohon yang mudah diamati yaitu tekstur daun. Metode yang digunakan adalah dua metode data mining yang klasifikasi yaitu K-Nearest Neighbor (K-NN) dan Support Vector Machine (SVM), yang akan mencari model terbaik dari kedua metode tersebut, dalam mencari tingkat keakurasian yang paling tinggi. Hasil dari penelitian ini menunjukan kinerja metode K-Nearest Neighbor (K-NN) dengan nilai akurasi mencapai 74,00% lebih baik dari hasil kinerja metode Support Vector Machine (SVM) dengan nilai akurasi mencapai 67,89%.
Â
References
D. A. Dewi, “Pengertian Pisang dan Manfaatnya,†2014. [Online]. Available: http://dinaalizadewi.blogspot.com/2014/01/pengertian-pisang-dan-manfaatnya.html.
A. Fajar, Pengolahan Citra Digital : Konsep & Teori. Andi Offset, 2013.
M. Riadi, “Pengertian, Fungsi, Proses dan Tahapan Data Mining,†2017. [Online]. Available: https://www.kajianpustaka.com/2017/09/data-mining.html. [Accessed: 18-Mar-2018].
A. Pamungkas, “Data Mining,†2018. [Online]. Available: https://pemrogramanmatlab.com/data-mining-menggunakan-matlab/.
W. J. Shudiq, “Penerapan K-Nearest Neighbor Berbasis Algoritma Genetika untuk Klasifikasi Mutu Padi Organik,†in Prosiding SANTIF, 2017.
Y. Anggoro, B. D. Setiawan, and P. P. Adikara, “Implementasi Metode Fuzzy K-Nearest Neighbor Untuk Klasifikasi Penyakit Tanaman Kedelai Pada Citra Daun,†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 6, pp. 2381–2389, 2018.
S. AULIA, S. HADIYOSO, and D. N. RAMADAN, “Analisis Perbandingan KNN dengan SVM untuk Klasifikasi Penyakit Diabetes Retinopati berdasarkan Citra Eksudat dan Mikroaneurisma,†ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 3, no. 1, p. 75, Jan. 2015.
S. . Permana, “Pengertian, Kelebihan dan Kekurangan SVM,†2012. [Online]. Available: http://cgeduntuksemua.blogspot.co.id/2012/03/pengertian-kelebihan-dan-kekurangan.htm.
Downloads
Additional Files
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
(1)Â Copyright of the published articles will be transferred to the journal as the publisher of the manuscripts. Therefore, the author confirms that the copyright has been managed by the journal.
(2) Publisher of JTMI: Jurnal Teknologi dan Manajemen Informatika is University of Merdeka Malang.
(3) The copyright follows Creative Commons Attribution–ShareAlike License (CC BY SA): This license allows to Share — copy and redistribute the material in any medium or format, Adapt — remix, transform, and build upon the material, for any purpose, even commercially.
