Andhina, RiesmaKenny (2016) Pemodelan Sistem Pakar Untuk Diagnosa Penyakit Tanaman Jagung Menggunakan Metode Modified K-Nearest Neighbor (MK-NN). Sarjana thesis, Universitas Brawijaya.
Abstract
Indonesia merupakan negara agraris yang berarti negara yang sebagian besar penduduknya berprofesi sebagai petani. Sektor pertanian merupakan penopang perekonomian di Indonesia. Jagung (Zea mays L.) menjadi salah satu komoditas pertanian yang sangat penting, dan merupakan sumber karbohidrat kedua setelah beras. Selain sebagai bahan pangan, jagung juga dikonsumsi sebagai bahan pakan ternak dan bahan baku industri. Adanya penyakit yang menyerang tanaman jagung merupakan salah satu masalah serius dalam industri dan pertanian jagung, khususnya untuk para petani jagung karena berdampak pada rendahnya produtivitas dan kualitas jagung. Terdapat 16 gejala dan 5 jenis penyakit yang menyerang tanaman jagung pada masa pra panen. Modified K-Nearest Neighbor (MK-NN) adalah sebuah metode yang dapat digunakan untuk mengklasifikasikan jenis penyakit jagung. Metode ini merupakan metode modifikasi dari metode K-Nearest Neighbor (K-NN). Pemodelan sistem pakar ini akan mendiagnosa penyakit tanaman jagung berdasarkan masukan gejala dari pengguna. Pengujian yang dilakukan yaitu pengujian fungsionalitas dan pengujian akurasi. Pengujian akurasi dilakukan dengan mengubah nilai k untuk mempengaruhi jumlah tetangga terhadap akurasi metode MK-NN. Tingkat akurasi tertinggi dalam diagnosa penyakit tanaman jagung dengan menggunakan 436 dataset yaitu sbesar 98,89 % dengan nilai k = 1.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2016/136/051601454 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 29 Feb 2016 14:34 |
| Last Modified: | 21 Oct 2021 05:05 |
| URI: | http://repository.ub.ac.id/id/eprint/146667 |
Preview |
Text
LAPORAN_(PDF).pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |