Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Sitinjak, Johannes Riski
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Metode Naive Bayes dalam Sistem Pendeteksi Kualitas Tanah pada Tanaman Kedelai Sitinjak, Johannes Riski; Ichsan, Mochammad Hannats Hanafi; Setiawan, Eko
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 6 (2023): Juni 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kedelai berperan penting dalam meningkatkan gizi masyarakat karena kandungan proteinnya, selain baik bagi kesehatan bila dibandingkan dengan protein hewani, kedelai jauh relatif lebih murah. Namun pada tahun 2013 kedelai mengalami penurunan produksi karena adanya penurunan luas panen seluas 16,83 ribu hektar (2,97 persen) dan penurunan produktivitas sebesar 0,69 kuintal/hektar. Kualitas tanah memiliki peran yang krusial dalam kehidupan tanaman, dan tanah yang berkualitas tinggi dapat membantu meningkatkan produktivitas pertanian. Untuk mengatasi masalah yang timbul akibat penurunan luas panen dan produktivitas kedelai yang berdampak pada penurunan hasil produksi pangan kedelai, diperlukan suatu sistem yang dapat mengklasifikasikan kualitas tanah yang optimal untuk tanaman kedelai. Pada penelitian yang dilakukan Bhayangkara, A. (2020), membuat sebuah sistem pendeteksi kualitas tanah tanaman kedelai menggunakan sensor pH tanah dan Capacitive Soil Moist dengan metode klasifikasi K-Nearest Neighbor (KNN) yang mendapatkan tingkat akurasi 86,6%. Pada penelitian ini akan berfokus meningkatkan tingkat akurasi dari sistem dengan menggunakan metode klasifikasi Naive Bayes dan menggunakan sensor yang sama. Pengujian dilakukan sebanyak 30 kali yang menghasilkan tingkat akurasi klasifikasi Naive Bayes sebesar 90%. Rata-rata waktu komputasi yang dibutuhkan untuk menjalankan sistem sebesar 2,26 milisekon untuk proses training Naive Bayes dan 2,3 milisekon untuk proses klasifikasi Naive Bayes. Penggunaan SRAM sistem pada mikrokontroler Arduino Uno berada pada angka rata-rata sebesar 1226 bytes.
Co-Authors Eko Setiawan Mochammad Hannats Hanafi Ichsan