DIAGNOSIS PENYAKIT IKAN KAKAP PUTIH DENGAN MENGGUNAKAN METODE NAÃVE BAYES DAN K-NEAREST NEIGHBOUR (STUDI KASUS : BALAI BENIH IKAN PENGUJAN (BBIP) )
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
Zuraidah, Zuraidah
Nerfita, Nikentari
Nurfalinda, Nurfalinda
Nerfita, Nikentari
Nurfalinda, Nurfalinda
Subject
005.1.Pemrograman
Datestamp
2021-07-24 06:11:38
Abstract :
Penelitian ini mendiagnosis penyakit pada ikan kakap putih dengan menggunakan metode naïve bayes dan k-nearest neighbour, menggunakan 24 data gejala penyakit dan 7 data jenis penyakit yaitu trichodiniasis, cryptocaryon irritans sp, diplectanum, vibriosis, streptococcus, flexibacter maritimus dan viral nervous necrosis, sistem dikembangkan dengan Case Based Reasoning(CBR) yang merupakan sistem penalaran berbasis kasus, yaitu dengan menggunakan pengetahuan lama atau sebelumnya untuk memecahkan masalah baru atau masalah pada saat ini. Pengujian dilakukan dengan menggunakan 50 data kasus (data training) yang disimpan di case base dan 22 data kasus yang dijadikan sebagai kasus baru (data testing). Hasil dari pengujian sistem mendapatkan tingkat akurasi sebesar 86,37% untuk naïve bayes dan 100% untuk k-nearest neighbour, ini membuktikan bahwa metode k-nearest neighbour lebih akurat dibandingkan dengan metode naïve bayes.
Penelitian ini mendiagnosis penyakit pada ikan kakap putih dengan menggunakan metode naïve bayes dan k-nearest neighbour, menggunakan 24 data gejala penyakit dan 7 data jenis penyakit yaitu trichodiniasis, cryptocaryon irritans sp, diplectanum, vibriosis, streptococcus, flexibacter maritimus dan viral nervous necrosis, sistem dikembangkan dengan Case Based Reasoning(CBR) yang merupakan sistem penalaran berbasis kasus, yaitu dengan menggunakan pengetahuan lama atau sebelumnya untuk memecahkan masalah baru atau masalah pada saat ini. Pengujian dilakukan dengan menggunakan 50 data kasus (data training) yang disimpan di case base dan 22 data kasus yang dijadikan sebagai kasus baru (data testing). Hasil dari pengujian sistem mendapatkan tingkat akurasi sebesar 86,37% untuk naïve bayes dan 100% untuk k-nearest neighbour, ini membuktikan bahwa metode k-nearest neighbour lebih akurat dibandingkan dengan metode naïve bayes.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
