PENGGUNAAN SELEKSI FITUR UNTUK KLASIFIKASI BENIH PADI RAWA KALIMANTAN SELATAN BERDASARKAN CIRI FISIK

Muhammad Syahid Pebriadi

Abstract


Indonesia memiliki ragam padi (Oryza sativa L.) sebanyak 4000 ragam lebih yang tersimpan di bank gen Balai Besar Biogen. Penelitian ini bertujuan mengklasifikasikan benih padi rawa Kalimantan Selatan menggunakan algoritma klasifikasi KNN tanpa dan dengan seleksi fitur serta membandingkan akurasinya. Metode penelitian meliputi Pengumpulan Data, Pembuatan Data Sintetis dengan nilai statistik, Seleksi Fitur dengan algoritma ReliefF, Pembagian Data Latih dan Data Uji dengan Stratified k-fold cross validation, pemodelan menggunakan algoritma KNN serta perhitungan akurasi. Hasil penelitian berupa tiga fitur yang optimal hasil seleksi fitur meliputi AspectRatio, MajorAxis, dan Feret dengan nilai bobot berturut-turut 0,489; 0,485; dan 0,456. Rata-rata akurasi paling tinggi didapatkan pada saat nilai k=3 sebesar 71% untuk Data Sintetis tanpa Seleksi Fitur sedangkan akurasi algoritma KNN terhadap Data Sintetis dengan Seleksi Fitur untuk nilai k=3 sebesar 74%, nilai k=5 sebesar 75% dan k=7 sebesar 76%. Jika dibandingkan dengan Data Sintetis tanpa Seleksi Fitur, maka penambahan akurasi algoritma KNN untuk nilai k=3 sebesar 3%, serta untuk nilai k=5 dan k=7 sebesar 6%. Hal ini menunjukkan bahwa penggunaan seleksi Fitur dapat meningkatkan akurasi algoritma KNN untuk mengklasifikasikan data benih padi rawa Kalimantan Selatan berdasarkan ciri fisiknya.

Kata Kunci: akurasi, klasifikasi, KNN, seleksi fitur.

Full Text:

PDF

References


United States Department of Agriculture, “Milled Rice Domestic Consumption by Country in 1000 MT – Country Rankings,” [Online]. Available: http://www.indexmundi.com/agriculture/?commodity=milled-rice&graph=domestic-consumption. [Accessed 25 September 2017].

P. Lestari, “Metode PCR (Polymerase Chain Reaction) Cara Mengidentifikasi Padi Bermutu Rasa Tinggi,” SinarTani, pp. 13-16, 2011.

P. T. T. Hong, T. T. T. Hai, L. T. Lan, V. T. Hoang, V. Hai and T. T. Nguyen, “Comparative study on vision based rice seed varieties identification,” in 2015 Seventh International Conference on Knowledge and Systems Engineering, 2015.

S. S. Telang and S. Buradkar, "Review Paper on Analysis and Grading of Food, Grains Using Image Processing and SVM,” International Journal on Recent and Innovation Trends in Computing and Communication, vol. 3, no. 2, pp. 050-054, 2015.

H. Kaur and B. Singh, “Classification and Grading Rice Using Multi-Class SVM,” International Journal of Scientific and Research Publications, vol. 3, no. 4, pp. 1-5, 2013.

R. I. Srinivas, “Feature Subset Selection using Rough Sets for High Dimensional Data,” International Research Journal of Engineering and Technology (IRJET), vol. 2, no. 5, pp. 8-12, 2015.

O. Soesanto, A. Yusuf, D. H. Mursyidin and M. S. Pebriadi, “Jaringan Saraf Radial Basis Probabilistic untuk Identifikasi Morfologi Benih Padi Rawa Kalimantan Selatan,” Jurnal Ilmu Komputer Agri-Informatika, vol. 4, no. 1, pp. 14-21, 2015.

S. Kumbhar and S. Mulla, “Literature Review on Feature Subset Selection Techniques,” International Journal of Application or Innovation in Engineering and Management, vol. 3, no. 9, pp. 231-233, 2014.

E. R. M. Saleh, E. Noor, T. Djatna and Irzaman, “Seleksi Parameter Dielektrik Penentuan Masa Kadaluwarsa Biskuit (wafer) dengan Pendekatan Regresi Linier, Feature Selection (ReliefF) dan Artificial Neural Network,” Jurnal Teknologi Industri Pertanian, vol. 23, no. 2, pp. 164-173, 2013.

M. Robnik-Sikonja and I. Kononenko, “Theoretical and Empirical Analysis of ReliefF and RreliefF,” Machine Learning, vol. 53, pp. 23-69, 2003.

D. L. Olson and D. Delen, “Advanced Data Mining Techniques”, Springer Science & Business Media, 2008.

Z. Deng, X. Zhu, D. Cheng, M. Zong and S. Zhang, “Efficient kNN classification algorithm for big data,” Neurocomputing, pp. 143-148, 2016.




DOI: https://doi.org/10.33365/jti.v13i1.185

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Muhammad Syahid Pebriadi

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JURNAL TEKNOINFO
Published by Universitas Teknokrat Indonesia
Organized by Prodi S1 Informatika FTIK Universitas Teknokrat Indonesia

W: http://ejurnal.teknokrat.ac.id/index.php/teknoinfo/index
E : teknoinfo@teknokrat.ac.id.
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhan Ratu, Bandarlampung

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jumlah Pengunjung : View Teknoinfo StatsCounter

Flag Counter