PERBANDINGAN METODE NAIVE BAYES DAN ID3 UNTUK KLASIFIKASI JAMUR BERACUN DAN TIDAK BERACUN


Author (Penulis)

MUHAMMAD LUTFI ARISANDI
Universitas Nusantara PGRI Kediri

Author Identity (NPM)

14.1.03.02.0029

Abstract

ABSTRAK

 

Indonesia berada di daerah tropis, iklim tersebut cukup mendukung untuk pertumbuhan jamur. Jamur adalah organisme bersel tunggal atau banyak dengan tidak memiliki klorofil. Dalam famili Agaricus dan Lepiota yang secara liar hidup di alam terbuka dengan bentuk yang beraneka ragam, Bagi beberapa masyarakat indonesia masih belum mengetahui ciri-ciri jamur beracun dan tidak beracun karena belum adanya informasi yang terperinci mengenai ciri-ciri jamur. Maka dibutuhkan sistem pengklasifikasian jamur beracun dan tidak beracun untuk membedakannya yang dapat diakses dengan mudah oleh masyarakat dengan jaringan internet.

            Dalam kategori klasifikasi memiliki banyak pilihan algoritma, beberapa algoritma yang sering digunakan adalah algoritma naive bayes dan ID3. Pada penelitian ini akan dilakukan perbandingan dari Kedua metode Naive Bayes dan ID3. Metode Naive Bayes mengklasifikasikan data jamur dengan menggunakan teknik probabilitas sedangkan metode ID3 mengklasifikasikan jamur dengan sebuah pohon keputusan  yang didapatkan dari pelatihan data training.

Pada pengujian sistem ini, rata-rata tingkat keakuratan yang dihasilkan dari kedua metode adalah 79,52 tingkat keakurasian dari metode ID3 dan 63,338 tingkat keakuraasian dari metode Naive Bayes. Jadi dapat disimpulkan bahwa metode ID3 lebih unggul dari pada metode Naive Bayes.


Keyword

Klasifikasi, Jamur, Naive Bayes

Reference

Dan,Thanh Thi Bi., Sihwi ,Sari Widya & Anggrainingsih,Rini. Implementasi Iterative Dichotomiser 3 Pada Data Kelulusan Mahasiswa S1 Di Universitas Sebelas Maret. URL :https://jurnal.uns.ac.id/itsmart/article/view/1770 Diunduh 10 November 2017.

Kusrini, Luthfi Taufiq Emha, (2009), Algoritma Data Mining,Penerbit Andi,Yogyakarta.

 Listiana, Mila. Perbandingan Algoritma Decision Tree (C4.5) dan Naïve Bayes Pada Data Mining Untuk Identifikasi Tumbuh Kembang Anak Balita (Studi Kasus Puskesmas Kartasura). URL http://eprints.ums.ac.id/36124/2/NASKAH%20PUBLIKASI.pdf Diunduh 6 Febuari 2018.

Pradana, Galih Adi Surya, (2009), Identifikasi Jamur Beracun Pada Jenis Jamur Famili Agaricus Dan Lepiota Bardasarkan Klasifikasi. Skripsi. Dipublikasikan. Kediri: Teknik Informatika Universitas Nusantara PGRI.

Raharjo, Budi. 2015. Mudah Belajar PHP. Bandung : Informatika Bandung.

Sari, Ita Purnama dan Saputra, Erik Hadi. 2014. Sistem Informasi Raport Berbasis Web di SMP N 4 Temanggung. URL : https://ojs.amikom.ac.id/index.php/dasi/article/view/190. Diunduh 10 Desember 2017.

Sartika,Dewi dan Sensuse, Dana Indra. Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, dan Decision Tree pada Studi Kasus Pengambilan Keputusan Pemilihan Pola Pakaian. URL : http://www.mdp.ac.id/jatisi/vol-3-no-2/Jatisi%20Vol%203%20No%201%20Maret%202017_new.pdf. Diunduh 6 Febuari 2018.

Suyanto. 2017. Data Mining Untuk Klasifikasi dan Klasterisasi Data. Bandung : Informatika Bandung.

UCI Machine Learning Respository. UCI machine learning respository : mushroom data set. URL:https://archive.ics.uci.edu/ml/datasets/mushroom. Diakses pada 10 Oktober 2017

Wibowo, Agung. Purwarupa Sistem Pakar Indentifikasi Jamur Layak Konsumsi Berbasis Web. URL : https://jurnal.unimed.ac.id/2012/index.php/cess/article/view/6539 .Diunduh 26 September 2017.


PUBLISHED

2019-02-13

JOURNAL

Simki-Techsain

ISSN

2599-3011

ISSUE

Vol. 03 No. 01 Tahun 2019

Download PDF

Lembaga Penelitian dan Pengabdian Kepada Masyarakat UN PGRI Kediri.

Jl. KH. Ahmad Dahlan 76 Mojoroto Kota Kediri

Designed by BootstrapMade