Record Details

TEKNIK GENETIC MODIFIED K-NEAREST NEIGHBOR UNTUK ESTIMASI HASIL PRODUKSI GULA TEBU BERDASARKAN NILAI KLOROFIL DAUN TEBU

Explore IT! : Jurnal Keilmuan dan Aplikasi Teknik Informatika

View Archive Info
 
 
Field Value
 
Title TEKNIK GENETIC MODIFIED K-NEAREST NEIGHBOR UNTUK ESTIMASI HASIL PRODUKSI GULA TEBU BERDASARKAN NILAI KLOROFIL DAUN TEBU
 
Creator Mutrofin, Siti
Ginardi, R. V. Hari
Fatichah, Chastine
 
Description Pada umumnya, taksasi (estimasi) hasil produksi gula didasarkan pada luas area, masa tanam, faktor panjang leng, jumlah batang/leng, tinggi batang, bobot batang, dan rendemen. Faktor rendemen sangatberpengaruh terhadap kualitas gula (manis atau tidak), sedangkan faktor yang lain hanya mempengaruhikuantitas gula. Salah satu tolak ukur produksi gula maupun rendemen dapat dilihat dari nilai klorofil dauntebu. Klorofil juga memiliki peranan yang sangat penting bagi proses fotosintesis. Untuk itu, dalampenelitian taksasi produksi gula tebu ini didasarkan pada nilai klorofil daun tebu. Dalam penelitian ini,performa algoritma Modified k-Nearest Neighbor (MKNN) ditingkatkan dengan cara mengoptimalkan nilaik dengan menggunakan algoritma genetika, yang selanjutnya algoritma tersebut dinamakan denganalgoritma Genetic Modified K-Nearest Neighbor (GMKNN). Tujuan dari penelitian ini adalah GMKNNsebagai algoritma baru digunakan untuk melakukan estimasi hasil produksi gula tebu berdasarkan nilaiklorofil daun tebu. Dari sejumlah uji coba, terbukti bahwa klorofil (Model2) dapat digunakan untukmelakukan taksasi, walaupun memiliki hasil yang kurang baik dibandingkan ketika tidak menggunakanklorofil (Model1). Model2 unggul pada percobaan dengan menggunakan 95 data, Model2 juga terbuktimemiliki perbedaan yang signifikan dberdasarkan uji T. Kinerja algoritma GMKNN lebih baik dari padaMKNN dengan nilai MSE terkecil sebesar 3737 pada percobaan dengan menggunakan 95 data, dan MSEterbesar sebesar 2053730 pada percobaan dengan menggunakan 201 data, namun GMKNN juga memilikikekurangan, yaitu komputasi tinggi, terjebak pada optimum lokal, sedangkan kekurangan MKNN adalahpenentuan nilai ambang batas dalam mendapatkan nilai similaritas antar data latih yang masih manualpada kasus estimasi.
 
Publisher Program Studi Teknik Informatika, Fakultas Teknik, Universitas Yudharta Pasuruan
 
Date 2014-12-19
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
 
Format application/pdf
 
Identifier https://jurnal.yudharta.ac.id/v2/index.php/EXPLORE-IT/article/view/271
 
Source 2549-354X
2086-3489
 
Language ind
 
Relation https://jurnal.yudharta.ac.id/v2/index.php/EXPLORE-IT/article/view/271/188
 
Rights Copyright (c) 2017 EXPLORE IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika