Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pemodelan Prediksi Perdagangan Satwa Liar Menggunakan Algoritma k-Nearest Neighbor Primasari, Angela; Hermadi, Irman; Hardhienata, Medria
Jurnal Ilmu Komputer dan Agri-Informatika Vol 12 No 1 (2025)
Publisher : Departemen Ilmu Komputer, Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.12.1.91-101

Abstract

Perdagangan satwa liar dengan pengawasan yang tidak optimal dapat merupakan salah satu ancaman yang mampu memberikan dampak signifikan bagi keberlangsungan keanekaragaman hayati. Beberapa spesies hewan seperti mamalia dan reptil saat ini terancam punah dengan adanya perdagangan satwa liar yang tidak terpantau dengan baik. Praktik perdagangan satwa liar kerap ditemukan di berbagai media, termasuk situs internet, karena kemudahan akses yang ditawarkan kepada masyarakat luas. Namun jika data tersebut diolah secara manual maka dibutuhkan waktu, tenaga, dan upaya yang cukup besar. Oleh sebab itu, dibutuhkan sebuah pendekatan berbasis kecerdasan buatan untuk mengidentifikasi wilayah dengan aktivitas perdangan satwa liar yang tinggi dan berpotensi melampai batas perdagangan satwa liar yang diizinkan. Penelitian ini bertujuan untuk membangun sebuah model yang dapat melakukan prediksi area yang rawan perdagangan satwa liar. Algoritma yang digunakan dalam penelitian ini adalah algoritma clustering K-Means untuk mengelompokkan wilayah berdasarkan tingkat kerawanan aktivitas perdagangan satwa liar, serta algoritma k-Nearest Neighbor untuk melakukan prediksi tingkat kerawanan wilayah perdagangan satwa liar. Selain itu, metode Market Basket Analysis digunakan untuk mengidentifikasi pola asosiasi dalam perdagangan satwa liar antar negara. Data yang digunakan merupakan data perdagangan satwa liar dari berbagai negara pada tahun 2018 hingga 2020. Dengan menggunakan pendekatan clustering, dalam penelitian ini diklasifikasikan tiga wilayah dengan potensi kerawanan perdagangan satwa liar, yaitu wilayah dengan resiko rendah, sedang, dan tinggi. Hasil penelitian menunjukkan bahwa model prediksi yang dibangun mampu memprediksi wilayah rawan perdagangan satwa liar dengan tingkat akurasi model training sebesar 99% dengan data impor dan 100% dengan data ekspor. Setelah dievaluasi dengan 3-cross fold validation, akurasi model yang diperoleh adalah sebesar 97% untuk data impor dan 98% untuk data ekspor. Hasil akurasi model testing dalam penelitian ini adalah sebesar 100% dengan data impor maupun ekspor. Melalui pendekatan metode market basket analysis, penelitian ini menyimpulkan dengan data yang dipertimbangkan belum ditemukan pola asosiasi yang kuat dalam aktivitas perdagangan satwa liar antara satu negara spesifik dengan negara lainnya.