Penentuan Metode Terbaik Dalam Menentukan Jenis Pohon Pisang Menurut Tekstur Daun (Metode K-NN dan SVM)

Wali Ja'far Shudiq, Ahmad Hudawi As, M Fadhilur Rahman

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%.

 

DOI: https://doi.org/10.26905/jtmi.v6i2.5156


Keywords


Pohon pisang; Data Mining; K-Nearest Neighbor (K-NN); Support Vector Machine (SVM).;

Full Text:

PDF

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.




DOI: https://doi.org/10.26905/jtmi.v6i2.5156

Refbacks

  • There are currently no refbacks.


Copyright (c)



Indexing by

width="150"

SINTA - Science and Technology Index

Index Copernicus International (ICI)

Tools

Turnitin

crossref

Mendeley

Jurnal Teknologi dan Manajemen Informatika 


Fakultas Teknologi Informasi
University of Merdeka Malang

Alamat:

Jl. Terusan Raya Dieng No. 62-64, Malang, Indonesia, 65146
(0341) 566462
Email: jurnal.fti@unmer.ac.id


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.