SISTEM PAKAR DIAGNOSIS PENYAKIT PADA IKAN KAKAP PUTIH(LATES CALCARIFER) DENGAN MENGGUNAKAN METODELEARNING VECTOR QUANTIZATION (LVQ) DAN K-NEAREST NEIGHBOR (Studi Kasus :Balai Benih Ikan Pengujan)
Total View This Week0

Institusion

Universitas Maritim Raja Ali Haji

Author

Umi, Kalsum
Nerfita, Nikentari
Nurfalinda, Nurfalinda

Subject

005.11.Pemrograman Khusus 

Datestamp

2021-07-24 05:49:33 

Abstract :
Penelitian ini mengdiagnosis penyakit ikan kakap putih (Lates Calcarifer) dengan menggunakan 2 algoritma yaitu algoritma Learning Vector Quantization dan K-Nearest Neighbor. Data penyakit ikan menggunakan 24 gejala penyakit dan yang menjadi target 7 penyakit yaitu Trichodinasis, Diplectanum, Cryptocaryon Irritans, Vibriosis, Streptococcus, Flexibacter, Viral Nervous Necrosis (VNN). Banyaknya data yang digunakan untuk penelitian ini yaitu 72 data di mana 70% data latih berjumlah 50 data digunakan untuk pelatihan dan 30% data uji berjumlah 22 digunakan untuk pengujian. Tingkat akurasi dari hasil pengujian ini adalah menghasilkan tingkat akurasi 86 % dengan menggunakan metode Learning Vector Quantization (LVQ) sedangkan dengan metode K-Nearest Neighbor 82 %, jadi metode Learning Vector Quantization (LVQ) lebih akurat dibandingkan dengan metode K-Nearest Neighbor didalam studi kasus diagnosis penyakit ikan kakap putih. 

File :
UMI KALSUM-130155201055-INFORMATIKA-SKRIPSI.pdf