Sistem Pendukung Keputusan untuk Prediksi Produksi Cengkeh Menggunakan Metode Naïve Bayes
DOI:
https://doi.org/10.52072/unitek.v16i1.546Kata Kunci:
SPK, Cengkeh, Naïve Bayes, PrediksiAbstrak
Penelitian ini bertujuan untuk menyederhanakan dan meningkatkan efisiensi produksi cengkeh melalui penggunaan teknologi informasi dan sistem pendukung keputusan. Produksi cengkeh memiliki kompleksitas yang tinggi dan petani sering menghadapi tantangan dalam pengelolaan dan perencanaan produksi. Ketidakpastian dan risiko dapat timbul akibat kurangnya informasi dan prediksi yang akurat. Dalam penelitian ini, menggunakan metode Naive Bayes untuk melakukan prediksi produksi cengkeh. Fitur-fitur seperti luas lahan, cuaca, dan jumlah produksi sebelumnya menjadi atribut dalam pengembangan model prediksi. Melalui analisis data yang relevan, sistem ini dapat memberikan prediksi produksi cengkeh yang lebih akurat. Pengujian sistem dilakukan dengan menggunakan data latih dan uji yang berbeda-beda. Hasil pengujian menunjukkan tingkat akurasi yang bervariasi tergantung pada jumlah data yang digunakan. Pengujian yang dilakukan dengan menggunakan 100 data latih dan 35 data uji diperoleh hasil tingkat akurasi sebesar 82%.
Unduhan
Referensi
Achmad, D. I., Yama, D. I., & Naufal, A. (2022). Pelatihan Peningkatan Kualitas Produk Berbasis Cengkeh di Pulau Kabung Kabupaten Bengkayang Kalimantan Barat. Jurnal Pengabdi, 5(1). https://doi.org/10.26418/jplp2km.v5i1.52072
Faqy, R. C., & Rustam, R. (2019). Uji Beberapa Konsentrasi Tepung Bunga Cengkeh (Syzygium aromaticum (L.) Merr. dan Perry) untuk Mengendalikan Hama Sitophilus zeamais M. pada Biji Jagung di Penyimpanan. Unri Conference Series: Agriculture and Food Security, 1, 67–77. https://doi.org/10.31258/unricsagr.1a9
Irsyad, H., & Pribadi, M. R. (2019). Klasifikasi Opini Masyarakat Terhadap Pertanian di Indonesia dengan Naive Bayes pada Twitter. Jurnal Teknik Informatika Unika St. Thomas (JTIUST), 4(1), 89–98.
Jannah, M., Muhidong, J., & Mursalim, M. (2020). Karateristik Fisik Bunga Cengkeh (Syzygium aromaticum). Jurnal Agritechno. https://doi.org/10.20956/at.v13i1.251
Manalu, E., Sianturi, F. A., & Manalu, M. R. (2017). Penerapan Algoritma Naive Bayes Untuk Memprediksi Jumlah Produksi Barang Berdasarkan Data Persediaan dan Jumlah Pemesanan Pada CV. Papadan Mama Pastries. Jurnal Mantik Penusa, 1(2), 16–21.
Novichasari, S. I., & Sipayung, Y. R. (2018). PSO-SVM Untuk Klasifikasi Daun Cengkeh Berdasarkan Morfologi Bentuk Ciri , Warna dan Tekstur GLCM Permukaan Daun. I(1), 18–21.
Nugroho, A., & Safarudin, A. (2020). Sistem Pendukung Keputusan Pemilihan Hotel Di Jakarta Dengan Menggunakan Algoritma Naïve Bayes. SIGMA - Jurnal Teknologi Pelita Bangsa 167, 10(September), 167–172.
Sarni, S. (2018). Pengamatan Penyakit Kering Cengkeh Di Kota Ternate. Saintifik@, 1(1).
Setiawan, A., Hidayat, N., & Dewi, R. (2018). Sistem Pakar Diagnosis Penyakit Tanaman Cengkeh Menggunakan Metode Naive Bayes ( Studi kasus Kecamatan Wonosalam , Jombang ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10).
Simbolon, D. S., & Sinaga, B. (2021). Sistem Pendukung Keputusan Penentuan Kesesuaian Lahan Tanaman Cengkeh Dengan Metode Profile Matching. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 4(5). https://doi.org/10.32672/jnkti.v4i5.3427
Sukabumi, U. M. (2020). Implementasi Algoritma Naive Bayes Untuk Memprediksi Hasil Panen Padi. 4(2), 208–213.
Tolitoli, D. I. K. (2020). Faktor-Faktor Yang Memengaruhi Produksi Cengkeh. 27(April), 68–76.
Umar, N., & M. Adnan Nur. (2022). Application of Naïve Bayes Algorithm Variations On Indonesian General Analysis Dataset for Sentiment Analysis. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 6(4), 585–590. https://doi.org/10.29207/resti.v6i4.4179
Watratan, A. F., B, A. P., Moeis, D., Informasi, S., & Makassar, S. P. (2020). Journal Of Applied Computer Science And Technology ( JACOST ) Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia. 1(1), 7–14.
Winarsih, A. L. T. (2016). Aplikasi Prediksi Perolehan Biji Cengkeh Dengan Membandingkan Hasil Perhitungan Menggunakan Metode Trend Moment Dan Semi Average. 1–10.
Wiyono, S., Abidin, T., Sasmito, G. W., & Huda, M. (2022). Data Collecting dalam Melakukan Prediksi Pergerakan Ikan dan Lokasi Pancing Ikan Bagi Nelayan di Kota Tegal. Jurnal Unitek, 15(1), 27–31. https://doi.org/10.52072/unitek.v15i1.291
