Arifin, MohAbdullahHuda (2013) Implementasi Modified K-Nearest Neighbor Untuk Penentuan Kesesuaian Lahan Dalam Budidaya Tanaman Hortikultura. Sarjana thesis, Universitas Brawijaya.
Abstract
Hortikultura adalah komoditas pertanian yang akan memiliki masa depan sangat cerah menilik dari keunggulan komparatif dan kompetitif yang dimilikinya sehingga para petani harus mulai berani untuk mengembangkan komoditas tersebut.Tapi saat ini penentuan jenis budidaya tanaman yang sesuai ditanam pada suatu lahan tertentu masih dilakukan secara manual, yaitu membandingkan data-data yang ada di lapangan dengan kriteria persyaratan penggunaan lahan untuk tanaman tertentu, sehingga informasi yang diperoleh membutuhkan waktu, tenaga, dan biaya yang tidak sedikit. Karena itu dibutuhkan suatu teknik untuk membantu mempermudah memutuskan tanaman yang cocok pada suatu lahan tertentu, salah satunya adalah klasifikasi. Klasifikasi digunakan untuk menyatakan suatu objek ke dalam salah satu kategori yang telah didefinisikan sebelumnya Dalam skripsi ini data yang akan digunakan adalah data karakteristik lahan beserta tanaman yang sesuai. Metode yang akan digunakan adalah Modified K-Nearest Neighbor. Metode MKNN akan mengkelaskan data karakteristik lahan berdasarkan data target yang sudah ada. Selanjutnya akan dilakukan pengujian tingkat akurasi terhadap hasil pengkelasan data tersebut berdasarkan nilai k dan jumlah datarecord. Hasil pengujian berdasarkan peningkatan jumlah nilai k menghasilkan tingkat akurasi pengkelasan yang semakin menurun, hal ini disebabkan karena semakin meningkatnya nilai k maka noise juga akan semakin besar. Sedangkan hasil pengujian tingkat akurasi terhadap penambahan jumlah record data menghasilkan tingkat rata-rata akurasi yang semakin besar. Hal ini dikarenakan dengan meningkatnya jumlah record data latih maka kemungkinan semakin banyaknya jarak record yang mendekati kelas data prediksi.
English Abstract
Horticulture is a commodity that will have a very bright future judging from its comparative and competitive advantage, so farmers have to dare to develop the commodity. But currently the determination of the appropriate type of crop in the field is still done manually, ie comparing the existing data in the field with the eligibility criteria for the use of land for certain crops, so that the information obtained requires a lot of time, effort, and costs. Therefore we need a technique to help facilitate appropriate crop decide on a particular area, one of which is Classification. Classification is used to declare an object into one of the predefined categories In this thesis the data that will be used is the land characteristic suitable crops. Method to be used is the Modified K-Nearest Neighbor. MKNN method will classify land characteristic data based on existing target data. And next the accuracy of the results will be tested based on the value of k and the number of data records. The test results based on the value of k produces the decrease of the accuracy, it is due to the increasing value of k then the noise will also be greater. While the results of testing the accuracy from increase the number of data records produced greater average rate accuracy. This is due to the increasing amount of training data records then it is likely that more distance record data approaching class prediction.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2013/158/051307728 |
Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Hasbi |
Date Deposited: | 28 Nov 2013 09:02 |
Last Modified: | 23 Oct 2021 09:34 |
URI: | http://repository.ub.ac.id/id/eprint/145792 |
Preview |
Text
MKNN.pdf Download (6MB) | Preview |
Actions (login required)
![]() |
View Item |