Pemanfaatan Teknik Data Mining Dalam Menentukan Standar Mutu Jagung

Alfa Saleh, Meilinda Maryam

Abstract


Sebagai salah satu perusahaan pengolahan pakan teknak berbahan dasar jagung, PT. Indojaya Agrinusa berusaha untuk menjaga kualitas produk-produk terbaik yang akan dipasarkan. tentu hal tersebut tidak terlepas dari usaha untuk meningkatkan mutu ataupun kualitas yang menjadi tolak ukur pelanggan dalam memilih barang atau produk mana yang akan digunakan untuk keperluan masing-masing. Belum adanya penentuan standar mutu jagung yang tersistem sehingga perusahaan lambat dalam menentukan standar mutu jagung serta cukup menghambat proses produksi pakan ternak pada perusahaan tersebut. Pada Penelitian terdahulu, telah dilakukan pengujian menggunakan teknik data mining khususnya metode Naive Bayes dalam menentukan standar mutu jagung, di mana penerapan metode tersebut menghasilkan tingkat akurasi rata-rata sebesar 83.33 %. sementara pada penelitian ini, pengujian dilakukan dengan menggunakan metode Decision Tree (C 4.5) dan Support Vector Machine (SVM) untuk menemukan metode yang lebih efektif dan akurat dalam menentukan mutu jagung sehingga layak untuk diproduksi. Hasil akurasi yang didapatkan oleh metode Decision Tree (C 4.5) meningkat dari hasil pengujian sebelumnya menjadi 86.17%, sementara hasil akurasi yang didapatkan dari penerapan metode Support Vector Machine (SVM) juga meningkat dari hasi pengujian sebelumnya yang menggunakan metode Naïve Bayes menjadi 94.03%. Sehingga dapat disimpulkan bahwa penggunaan metode Support Vector Machine (SVM) lebih baik dibandingkan metode Naïve Bayes dan Decision Tree (C 4.5).

Kata kunci—Mutu Jagung, Data Mining, Naïve Bayes, Decision Tree, Support Vector Machine



Full Text:

PDF

References


. Sumarwan, U. (2016). Perubahan Pola Konsumsi Pangan Beras, Jagung dan Terigu Konsumen Indonesia Periode 1999-2009 dan Implikasinya Bagi Pengembangan Bahan Bakar Ramah Lingkungan Berbasis Pangan. Jurnal Pangan, 19(2), 157-168.

. Dewanto, F. G., Londok, J. J., Tuturoong, R. A., & Kaunang, W. B. (2017). Pengaruh Pemupukan Anorganik Dan Organik Terhadap Produksi Tanaman Jagung Sebagai Sumber Pakan. Zootec, 32(5).

. Saleh, A., & Nasari, F. Implementation Equal-Width Interval Discretization in Naive Bayes Method for Increasing Accuracy of Students' Majors Prediction. Lontar Komputer: Jurnal Ilmiah Teknologi Informasi, 104-113.

. Harahap, F., Harahap, A. Y. N., Ekadiansyah, E., Sari, R. N., Adawiyah, R., & Harahap, C. B. (2018, August). Implementation of Naïve Bayes Classification Method for Predicting Purchase. In 2018 6th International Conference on Cyber and IT Service Management (CITSM) (pp. 1-5). IEEE.

. Jiang, W., Shen, Y., Ding, Y., Ye, C., Zheng, Y., Zhao, P., ... & Zhang, X. (2018). A naive Bayes algorithm for tissue origin diagnosis (TOD‐Bayes) of synchronous multifocal tumors in the hepatobiliary and pancreatic system. International journal of cancer, 142(2), 357-368.

. Perea, R. G., Poyato, E. C., Montesinos, P., & Díaz, J. R. (2019). Prediction of irrigation event occurrence at farm level using optimal decision trees. Computers and Electronics in Agriculture, 157, 173-180.

. Maji, S., & Arora, S. (2019). Decision Tree Algorithms for Prediction of Heart Disease. In Information and Communication Technology for Competitive Strategies (pp. 447-454). Springer, Singapore.

. Khan, S., Ullah, R., Khan, A., Ashraf, R., Ali, H., Bilal, M., & Saleem, M. (2018). Analysis of hepatitis B virus infection in blood sera using Raman spectroscopy and machine learning. Photodiagnosis and photodynamic therapy, 23, 89-93.

. Manavalan, B., Shin, T. H., & Lee, G. (2018). PVP-SVM: sequence-based prediction of phage virion proteins using a support vector machine. Frontiers in microbiology, 9, 476.

. Patil, T. R., Sherekar, M. S., 2013, Performance Analysis of Naive Bayes and J48 Classification Algorithm for Data Classification, International Journal of Computer Science and Applications, Vol. 6, No. 2, Hal 256-261

. Haris, M., Hidayat, B., & Oscandar, F. (2019). Deteksi Usia Berdasarkan Citra Panoramik Pulpa Gigi Molar Pertama Mandibula Dengan Menggunakan Discrete Wavelet Transform (dwt) Dan Klasifikasi Decision Tree. eProceedings of Engineering, 6(1).

. Dai, W., & Ji, W. (2014). A mapreduce implementation of C4. 5 decision tree algorithm. International journal of database theory and application, 7(1), 49-60.

. E. Widjaja, W. Zheng, and Z. Huang, “Classification of colonic tissuesusing near-infrared Raman spectroscopy and support vector machines,” Int. J. Oncol. 32(3), 653–662 (2008)

. M. Tahir, A. Khan, and A. Majid, “Protein subcellular localization of fluorescence imagery using spatial and transform domain features,” Bioinformatics 28(1), 91–97 (2012)




DOI: http://dx.doi.org/10.31154/cogito.v5i2.172.171%20-%20180

Refbacks

  • There are currently no refbacks.


CogITo Smart Journal
A publication of Fakultas Ilmu Komputer, Universitas Klabat
In partnership with Coris and IndoCEISS
Phone: +62 (431) 891035
email: editorial.cogito@unklab.ac.id | web: http://cogito.unklab.ac.id/index.php/cogito
 
Free counters!
View CogITo Smart Journal Stats

CogITo Smart Journal is indexed by:
  DOAJ    SINTA     Indonesia OneSearch by Perpusnas    Crossref    Google Scholar      Base Search PKP Index    neliti    EBSCO Information Science    mendeley          scilit    road    worldcat    DRJI    OpenAIREplus    copac    Gent University Library Stanford Library    Harvard Library    Leiden University Libraries    The University of Sheffield    Boston University Library    University of Manchester    University of Oxford    CORE    Livivo
 



CogITo Smart Journal is licensed under a Creative Commons Attribution 4.0 International License.