PENERAPAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS (PCA) DAN K-NEAREST NEIGHBORS (KNN) PADA KLASIFIKASI JENIS JAMUR BERACUN DAN TIDAK BERACUN
DOI:
https://doi.org/10.24269/jrtekom.v1i1.6454Abstract
Jamur atau dalam bahasa lain di sebut dengan fungi banyak berkembang di negara beriklim tropis yang mempunya suhu yang lembab, jamur sendiri banyak di temukan di tumpukan kayu yang lapuk, tempat sampah,dan tempat-tempat yang sekiranya lembab.Jamur memiliki jenis yang begitu banyak, dari banyak nya jenis jamur tersebut sebagian jamur ada yang bermanfaat untuk pangan dan obat ada juga yang beracun, banyaknya jenis jamur tersebut terkadang masih banyak yang sulit membedakan, dari ciri-ciri jamur, seperti ukuran, warna, serta bentuk dari tudung dan tangkai merupakan ciri penting dalam pengenalan jenis jamur ,namun untuk membedakan mana yang beracun dan tidak pun harus dengan penelitian lebih dalam, sehingga dibutuhkan sebuah klasifikasi jenis jamur yang beracun dan tidak beracun dimana hasil pengkasifikasian tersebut adalah sebuah informasi jenis jamur dan beracun atau tidak nya jamur tersebut untuk membantu pengenalan lebih lanjut tentang jenis jamur tersebut .dalam metode klasifikasi jenis jamur menggunakan metode algoritma Principal Component Analysis (PCA) dan K-nearest neighbors (KNN) sistem nantinya akan mengekstak fitur warna dan bentuk untuk mengambil sebuah ciri kusus dari jenis-jenis jamur dan di klasifikasi dengan KNN .berdasarkan pengujian akurasi klasifikasi menggunakan Algoaritma Principal Component Analysis (PCA) dan K-nearest neighbors (KNN) dari 25 data uji mendapatkan prosentase 92%Â
Downloads
References
(Fungi) DI PERKEBUNAN PT BINA SAINS CEMERLANG KABUPATEN MUSI
RAWAS. PhD Thesis, 1–17.
Permana Putra, I. (2020). Scleroderma spp. in Indonesia : Poisoning Case and Potential
Utilization. Justek : Jurnal Sains Dan Teknologi, 3(2), 37.
https://doi.org/10.31764/justek.v3i2.3517
Pendekatan, M. (2017). Universitas Sumatera Utara.
“Klasifikasi Jenis Sayuran Menggunakan Algoritma PCA dan KNN | Pemrograman
Matlab.†https://pemrogramanmatlab.com/2019/01/01/klasifikasi-jenis-sayuranmenggunakan-algoritma-pca-dan-knn/ (accessed Jun. 10, 2021).
Annissa, I., Ekamawanti, Artuti, H., & Wahdina. (2017). Keanekaragaman Jenis Jamur
Makrokopis Di Arboretum Sylva Universitas Tanjungpura. Jurnal Hutan Lestari, 5(4),
969–977.
Kusumanto, R. D., Tompunu, A. N., & Pambudi, S. (2011). Klasifikasi Warna
Menggunakan Pengolahan Model Warna HSV Abstrak. Jurnal Ilmiah Teknik Elektro,
2(2), 83–87.
Wardhani, I. P., & Widayati, S. (2019). Segmentasi Warna Citra HSV dan Deteksi Objek
Kupu-Kupu Dengan. 3.
Primandari, P. N., & Hardiansyah, B. (2018). Ekstraksi Fitur Menggunakan Principal
Component Analisys (PCA). Seminar Nasional Hasil Penelitian Dan Pengabdian
Masyarakat, 1(1), 66–74.
Budi, A., Suma’inna, S., & Maulana, H. (2018). Pengenalan Citra Wajah Sebagai
Identifier Menggunakan Metode Principal Component Analysis (PCA). Jurnal Teknik
Informatika, 9(2), 166–175. https://doi.org/10.15408/jti.v9i2.5608
Whidhiasih, R. N., Wahanani, N. A., & Supriyanto. (2013). Klasifikasi Buah Belimbing
Berdasarkan Citra RED-GREEN-BLUE. Jurnal Penelitian Ilmu Komputer, System
Embedded & Logic, 1(1), 29–35.
Novianto, D., & Sugihartono, T. (2020). Sistem Deteksi Kualitas Buah Jambu Air
Berdasarkan Warna Kulit Menggunakan Algoritma Principal Component Analysis (
Pca ) dan K-Nearest Neigbor ( K-NN ). 11(2), 42–47.
Widians, J. A., Pakpahan, H. S., Budiman, E., Haviluddin, H., & Soleha, M. (2019).
Klasifikasi Jenis Bawang Menggunakan Metode K-Nearest Neighbor Berdasarkan
Ekstraksi Fitur Bentuk dan Tekstur. Jurnal Rekayasa Teknologi Informasi (JURTI),
3(2), 139. https://doi.org/10.30872/jurti.v3i2.3213
Hasan, M. A., & Liliana, D. Y. (2020). Pengenalan Motif Songket Palembang
Menggunakan Deteksi Tepi Canny, PCA dan KNN. Multinetics, 6(1), 1–7.
https://doi.org/10.32722/multinetics.v6i1.2700
