PENERAPAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS (PCA) DAN K-NEAREST NEIGHBORS (KNN) PADA KLASIFIKASI JENIS JAMUR BERACUN DAN TIDAK BERACUN

Khoiru Nurfitri* - 
Danu Arya Pradana - 
Ida Widaningrum - 

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% 

Supplement Files

Full Text: Supp. File(s):
PENERAPAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS (PCA) DAN K-NEAREST NEIGHBORS (KNN) PADA KLASIFIKASI JENIS JAMUR BERACUN DAN TIDAK BERACUN
Subject
Type Research Instrument
  Download (400KB)    Indexing metadata
Article Info
Submitted: 2022-12-30
Published: 2022-12-26
Section: Articles
Article Statistics: