KLASIFIKASI KUALITAS TANAMAN CABAI MENGGUNAKAN METODE FUZZY K-NEAREST NEIGHBOR (FKNN)

  • Angga Aditya Indra Wiratmaka Jurusan Teknologi Informasi Polinema Negeri Malang
  • Imam Fahrur Rozi Jurusan Teknologi Informasi Polinema Negeri Malang
  • Rosa Andrie Asmara Jurusan Teknologi Informasi Polinema Negeri Malang

Abstract

Pada  penelitian  kali  ini  akan  membahas  tentang  klasifikasi  kualitas  tanaman  cabai  menggunakan  metode Fuzzy  K-Nearest  Neighbor(FKNN).  Hal  tersebut  dilatarbelakangi  karena  cabai  banyak  dimanfaatkan  untuk keperluan rumah tangga maupun industri. Terdapat berbagai jenis cabai yang ada di Indonesia, tetapi cabai yang banyak dimanfaatkan sebagai bahan olahan adalah cabai merah besar. Sebagai komuditas tanaman hortikultura dengan fluktuasi harga yang tinggi konsumen mengharapkan kualitas yang baik pula pada proses  produksi. Agar produksi cabai memiliki kualitas yang merata, cabai hasil panen harus diklasifikasikan sebelum proses distribusi. Saat ini proses klasifikasi cabai di kota Blitar masih dilakukan secara manual oleh pegawai terkait. Algoritma FKNN memberikan  nilai keanggotaan kelas pada  vektor  dan bukan menempatkan  vektor  pada kelas tertentu. Data didapat dari Dinas Pertanian, Peternakan, dan Perikanan Kota Blitar pada tahun 2015. Penelitian ini  menggunakan  100  data  sampel  dengan  70  data  latih  dan  30  data  uji .  Dari  pengujian  didapatkan  akurasi 96,67% terhadap data sampel. Maka dapat disimpulkan bahwa penelitian menggunakan metode  Fuzzy K-Nearest Neighbor (FKNN) memiliki kinerja yang baik dalam klasifikasi kualitas cabai di kota Blitar.

Downloads

Download data is not yet available.

References

Achmad Zaki. M, Achmad Ridok, Yusi Tyroni M.

, Penerapan Metode FuzzyK-NN Pada

Klasifikasi Mangga Berdasarkan Tekstur

Daun. Program studi informatika / Ilmu

komputer Universitas Brawijaya.

Alfian Sukma, Dian Ramadhan, Bagus Puji Santoso,

Tiara Ratna Sari, Ni Made Ayu Karina

Wiraswari. 2014., K-Nearest Neighbor

Information Retrieval (Sistem Temu Kembali

Informasi). Fakultas Saint dan

Teknologi/Sistem Informasi Universitas

Airlangga.

Alisandi, Robi. 2015. Contoh Pengujian Fungsional

atau Sering Disebut Black Box. [Online]

Tersedia:http://robialisandii.blogspot.co.id/20

/05/contoh-pengujian-fungsional-atausering.html

Faris Fitrianto, Rekyan Regasari, Nurul Hidayat.

, Implementasi Algoritma Fuzzy KNeares Neighbor (FKNN) pada Deteksi

Potensi Bencana Alam Tsunami. Program

studi informatika / Ilmu komputer Universitas

Brawijaya.

Hardika Teguh Wijaya, Mardji, M. Tanzil Furqon.

, Penerapan Fuzzy K-Nearest Neighbor

(FKNN) Untuk Diagnosa Penderita Liver

Berdasarkan Indian Liver Patient Dataset

(ILPD).Program studi informatika/ Ilmu

komputer Universitas Brawijaya.

Kasdi Subagyono, 2010. Badan Pengembangan dan

Penelitian Pertanian : Budidaya dan Pasca

Panen Cabai Merah. Jawa Tengah: Balai

Pengkajian Teknologi Pertanian.

Soetiarso, T.A., W. Setiawati, D. Musaddad, 2011.

Balai Penelitian Tanaman Sayuran

:Keragaman Pertumbuhan, Kualitas Buah,

Kelayakan Finansial Dua Varietas Cabai

Merah. Jawa Barat: Balai Penelitian

Tanaman Sayuran.

Yanita Selly Meristika, Achmad Ridhok, Lailil

Muflikhah.2014., PerbandinganK-Nearest

Neighbor dan Fuzzy K-Nearest Neighbor

pada DiagnosisPenyakit Diabetes Melitus.

Program studi informatika/ Ilmu computer

Universitas Brawijaya.

Published
2017-03-15
How to Cite
[1]
A. A. Indra Wiratmaka, I. F. Rozi, and R. A. Asmara, “KLASIFIKASI KUALITAS TANAMAN CABAI MENGGUNAKAN METODE FUZZY K-NEAREST NEIGHBOR (FKNN)”, JIP, vol. 3, no. 3, p. 1, Mar. 2017.
Section
Articles