<![CDATA[Keberadaan lahan merupakan aspek penting dalam kehidupanmanusia dan makhluk hidup lainnya, akan tetapi persoalan kerusakanhutan dan lahan terus terjadi dan mengalami peningkatan sehinggamengakibatkan lahan menjadi kritis. Data dan informasi mengenaidegradasi hutan dan lahan seringkali tidak mengacu kepada formatdan struktur database yang dapat dipertanggungjawabkan.Sehinggasalah satu faktor penting dalam menentukan kesuksesanpemetaanpenggunaan lahan guna meningkatkan fungsi hutan lindungdan hutan konservasiterletak pada pemilihan skema klasifikasilahannya. Klasifikasi dapat diselesaikan dengan menggunakan teknikdata mining. Klasifikasi termasuk dalam tipe supervised learning yangartinya dibutuhkan data pelatihan untuk membangun suatu modelklasifikasinya. Terdapat lima kategori klasifikasi yaitu berbasisstastistik, berbasis jarak, berbasis pohon keputusan, berbasis jaringansaraf, dan berbasis aturan. Tiap kategori klasifikasi memiliki banyakpilihan algoritma. Algoritma yang paling sering digunakan adalahalgoritma C4.5, Naïve Bayes, dan k-Nearest Neighbour (k-NN).Penelitian ini akan membandingkan hasil klasifikasi dari tigaalgoritma tersebut untuk mengetahui algoritma mana yang memilikikinerja paling baik dalam memprediksi berdasarkan nilai akurasi.Data yang digunakan yaitu data lahan lahan kritis daerah hutanlindung dan hutan konservasi Kabupaten Pemalang .Hasil daripenelitian ini diperoleh C4.5 memiliki akurasi paling tinggi sebesar77,75 % disusul Naïve Bayes 77,49% dan terakhir k-NN memilikiakurasi sebesar 73,91%.]]>
Copyrights © 2018
