Penerapan Metode KNN dalam Memprediksi Hasil Panen Kebun Tebu di Kab Takalar
Nurwaini Situju(1*); Lilis Nur Hayati(2); Wistiani Astuti(3);
(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author
Abstractpertahun yang berasal dari perkebunan tebu yang menjadi komoditas unggulan produksi tanaman perkebunan, namun berdasarkan data BPS terjadi penurunan produktifitas tanaman tebu tahun 2015–2020. Hal ini dikarenakan infrastruktur yang masih terbatas, kesulitan dalam permodalan, terbatasnya penguasaan teknologi baik dalam usaha tani sehingga pengelolaan tanaman tebu menjadi terhambat. Penelitian ini bertujuan untuk mengetahui hasil prediksi kebu tebu pertahunnya dengan memanfaatkan data mining. Data mining yang digunakan dalam penelitian ini adalah metode K-Nearest Neighbour (KNN) yang merupakan metode klasifikasi terhadap obyek baru berdasarkan (K) tetangga terdekatnya. KNN termasuk algoritma supervised learning, dimana hasil dari query instance yang baru, diklasifikasikan berdasarkan mayoritas dari kategori pada KNN. Hasil penelitian menunjukkan dari tahap pengujian dengan jumlah data training sebanyak 13 data didapatkan nilai persentase tertinggi pada nilai K=7 dengan persentase akurasi sebesar 76.92%.
KeywordsTebu; Prediksi; KNN; Produksi
|
Full Text:PDF |
Article MetricsAbstract view: 268 timesPDF view: 279 times |
Digital Object Identifierhttps://doi.org/10.33096/busiti.v4i1.1474 |
Cite |
References
Kabupaten Takalar, Provinsi Sulawesi Selatan,” J. Reg. Rural Dev. Plan., vol. 3, no. 2, pp. 95–104, 2019, doi: 10.29244/jp2wd.2019.3.2.95-104.
M. Maulana, R. Lubis, L. Mawarni, and Y. Husni, “Respons Pertumbuhan Tebu (Sacharum officinarum L.) terhadap Pengolahan Tanah pada Dua Kondisi Drainase,” J. Online Agroekoteknologi, vol. 3, no. 1, pp. 214–220, 2015.
A. N. H. Salam, “Analisis Tren Produksi Tebu Menjadi Gula di PTPN XIV Pabrik Gula Takalar,” Universitas Muhammadiyah Makassar, 2020.
D. A. Suryaningrum, D. E. Ratnawati, and B. D. Setiawan, “Prediksi Waktu Panen Tebu Menggunakan Gabungan Metode Backpropagation dan Algoritma Genetika,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 11, pp. 1443–1450, 2017.
L. R. Angga Ginanjar Mabrur, “Penerapan Data Mining Untuk Memprediksi Kriteria Nasabah Kredit,” J. Komput. dan Inform., vol. 1, no. 1, pp. 53–57, 2012.
M. S. Mustafa and I. W. Simpen, “Implementasi Algoritma K-Nearest Neighbor (KNN) Untuk Memprediksi Pasien Terkena Penyakit Diabetes Pada Puskesmas Manyampa Kabupaten Bulukumba,” Februari, 2019.
J. Nasir, R. Saputra, G. Efendi, A. Zahmi, and Y. L. Setiawan, “K-Nearest Neighbor untuk Frasa Guna Mendukung Keputusan dalam Mencari Guru Terbaik,” J. Ilmu Komput. dan Agri-Informatika, vol. 9, no. 1, pp. 13–22, 2022, doi: 10.29244/jika.9.1.13-22.
M. M. Baharuddin, H. Azis, and T. Hasanuddin, “Analisis Performa Metode K-Nearest Neighbor Untuk Identifikasi Jenis Kaca,” Ilk. J. Ilm., vol. 11, no. 3, pp. 269–274, 2019, doi: 10.33096/ilkom.v11i3.489.269-274.
A. J. T, D. Yanosma, and K. Anggriani, “Implementasi Metode K-Nearest Neighbor (Knn) dan Simple Additive Weighting (Saw) dalam Pengambilan Keputusan Seleksi Penerimaan Anggota Paskibraka,” Pseudocode, vol. 3, no. 2, pp. 98–112, 2017, doi: 10.33369/pseudocode.3.2.98-112.
R. A. Arnomo, W. L. Y. Saptomo, and P. Harsadi, “Implementation of K-Nearest Neighbor Algorithm for Water Quality Identification (Case Study: PDAM Kota Surakarta),” J. Teknol. Inf. dan Komun., vol. 6, no. 1, pp. 1–5, 2018.
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Buletin Sistem Informasi dan Teknologi Islam (BUSITI)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.