KLASIFIKASI HASIL PRODUKSI DAUN TEH BASAH (DTB) MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN)

Siti Andra Azahra Purba, Sriani Sriani

Abstract


Daun teh basah (DTB) merupakan bahan baku utama dalam produksi teh yang menjadi salah satu komoditas unggulan di PTPN IV. Salah satu masalah utama adalah ketidaksesuaian antara target produksi yang ditetapkan dalam RKAP (Rencana Kerja dan Anggaran Perusahaan) dengan hasil yang direalisasikan. Ketidaksesuaian ini disebabkan oleh berbagai faktor, seperti kondisi cuaca yang tidak mendukung, perawatan tanaman yang kurang optimal, dan keterbatasan sumber daya. Untuk mengklafikasikan produksi agar lebih efisien dengan menggunakan Algoritma K-Nearest Neighbor (KNN). Tujuan penelitian ini adalah mengklasifikasikan hasil produksi DTB. Dataset DTB yang diperoleh sebanyak 116 data, data testing sebanyak 96 data dan data training sebanyak 20 data, yang terdiri dari 4 atribut. Hasil proses pengujian menunjukkan akurasi k-1 sebesar 95.00%, akurasi k-2 sebesar 90.00%, akurasi k-3 sebesar 95.00%, perbandingan k = 1 dan k = 3 adalah hasil precision dan recall. class precison  k =1 sebesar 94.44% dan class recall sebesar 100%  sedangkan di k = 3 class precison  sebesar 100% dan class recall sebesar 94.12%. Maka penelitian ini dinilai berhasil menerapkan metode KNN untuk melakukan klasifikasi terhadap hasil produksi.


Full Text:

PDF

References


Basriati, M.Sc, S., & Safitri, M.Mat, E. (2021). Penerapan Metode Fuzzy Tsukamoto dalam Menentukan Jumlah Produksi Tahu. Jurnal Sains, Teknologi Dan Industri, 18(1), 120. https://doi.org/10.24014/sitekin.v18i1.11022

Fahreza, A. (2022). Penerapan Data Mining dengan Metode Single Moving Average dalam Pengolahan Data Penerimaan Siswa Baru. Proceeding Seminar Nasional Ilmu Komputer, 2(1), 25–34.

Muhadi, A., & Octaviano, A. (2023). Penerapan Data Mining Untuk Prediksi Hasil Keuntungan Lelang Mesin X-Ray Tahun 2020 Dengan Metode K-Nearest Neighbor (Studi Kasus: PT.Ramadika Mandiri). Jurnal Informatika MULTI, 1(2), 2985–8860.

Nozomi, I. (2023). Penerapan Data Mining Untuk Peringatan Dini Banjir Menggunakan Metode Klastering K-Means (Studi Kasus Kota Padang). Jurnal Sains Informatika Terapan, 2(2), 39–44. https://doi.org/10.62357/jsit.v2i2.165

Putra, A. D. (2019). Pengawasan mutu proses produksi teh hitam (studi kasus di pabrik teh Sumber Daun di Desa Hegarmanah Kecamatan Takokak Kabupaten Cianjur). Jurnal Penelitian Dan Pengembangan Sains Dan Teknologi, 13(1), 1–6.

Santoso, P. Y., & Kusumaningsih, D. (2018). Algoritma K-Nearest Neighbor Dengan Menggunakan Metode Euclidean Distance Untuk Memprediksi Kelulusan Ujian Nasional Berbasis Desktop Pada Sma Negeri 12 Tangerang. Skanika, 1(1), 123–129.

Sari Pakpahan, N. (2021). Implementasi Data Mining Menggunakan Algoritma J48 Dalam Menentukan Pola Itemset Belanja Pembeli (Study Kasus: Swalayan Brastagi Medan). Journal of Computing and Informatics Research, 1(1), 7–13. https://doi.org/10.47065/comforch.v1i1.111

Shantika Hutapea, Y., & Fauzi, R. (2021). Data mining sistem tata letak material di PT. Batam Cyclect. Jurnal Comasie, 04(06), 72–79.

Syukri Mustafa, M., & Wayan Simpen, I. (2019). Implementasi Algoritma K-Nearest Neighbor (KNN) Untuk Memprediksi Pasien Terkena Penyakit Diabetes Pada Puskesmas Manyampa Kabupaten Bulukumba. Februari, 2019(1), 1–10.

Zai, C. (2022). IMPLEMENTASI DATA MINING SEBAGAI PENGOLAHAN DATA. 2.




DOI: http://dx.doi.org/10.36723/juri.v16i2.729

Refbacks

  • There are currently no refbacks.


Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional.

 

 

 

 

 

View My Stats