PENENTUAN METODE TERBAIK DALAM MENENTUKAN JENIS POHON PISANG MENURUT TEKSTUR DAUN (METODE K-NN DAN SVM)

Ubaidillah, Ubaidillah (2018) PENENTUAN METODE TERBAIK DALAM MENENTUKAN JENIS POHON PISANG MENURUT TEKSTUR DAUN (METODE K-NN DAN SVM). Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_14013572_Ubaidillah_IF.pdf Restricted to Registered users only Download (3MB)

Abstract

Kata Kunci: Tanaman Pisang, Data Mining, Klasifikasi, K-Nearest Neighbor (K-NN), Support Vector Machine (SVM).

Berbagai jenis pohon pisang tersebar luas di lingkungan masyarakat, di mana tanaman ini tidak hanya bernilai ekonomi tinggi melalui buahnya yang manis, tetapi juga berkontribusi besar terhadap penghijauan alam. Namun, masyarakat sering kali mengalami kekecewaan saat pohon pisang mulai berbuah karena jenis yang dihasilkan tidak sesuai dengan ekspektasi awal saat masa penanaman. Permasalahan ini terjadi karena pohon pisang membutuhkan waktu tumbuh yang relatif lama sebelum berbuah, sedangkan identifikasi jenis bibit secara visual cenderung sulit dibedakan. Oleh karena itu, diperlukan sebuah solusi sistem cerdas yang mampu mengidentifikasi varietas pohon pisang sejak dini melalui komponen fisik yang mudah diamati, salah satunya berbasis fitur tekstur daun. Penelitian ini mengimplementasikan pendekatan data mining klasifikasi dengan membandingkan dua metode algoritma, yaitu K-Nearest Neighbor (K-NN) dan Support Vector Machine (SVM). Tujuan dari penelitian ini adalah untuk menganalisis dan menemukan model klasifikasi terbaik berdasarkan tingkat akurasi yang paling tinggi. Hasil pengujian menunjukkan bahwa kinerja metode K-NN menghasilkan tingkat akurasi yang lebih unggul yaitu mencapai 74,00%, dibandingkan dengan kinerja metode SVM yang hanya mencapai nilai akurasi sebesar 67,89%. Dengan demikian, model klasifikasi berbasis algoritma K-NN direkomendasikan sebagai algoritma yang lebih efektif untuk mendeteksi jenis tanaman pisang berdasarkan ekstraksi ciri tekstur daun.

Item Type:	Thesis (Other)
Subjects:	Q Science > QA Mathematics > QA76 Computer software S Agriculture > SB Plant culture T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	18 Jun 2026 07:26
Last Modified:	18 Jun 2026 07:26
URI:	https://repository.unuja.ac.id/id/eprint/3677

Actions (login required)

View Item