Teknika
Vol 12 No 3 (2023): November 2023

Implementasi Metode Naive Bayes dan Information Gain Untuk Klasifikasi Penyakit dan Hama Tanaman Jagung

Eza Rahmanita (Jurusan Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo, Madura, Jawa Timur)
Yudha Dwi Putra Negara (Jurusan Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo, Madura, Jawa Timur)
Yeni Kustiyahningsih (Jurusan Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo, Madura, Jawa Timur)
Verdi Sasmeka (Jurusan Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo, Madura, Jawa Timur)
Bain Khusnul Khotimah (Jurusan Teknik Informatika, Fakultas Teknik, Universitas Trunojoyo, Madura, Jawa Timur)



Article Info

Publish Date
16 Oct 2023

Abstract

Jagung (Zea mays ssp. mays) adalah tanaman pangan ketiga terbesar setelah gandum dan beras, dan di Indonesia menempati posisi kedua setelah padi. Jagung dapat ditanam di daerah dengan suhu tinggi dan rendah serta curah hujan dan irigasi yang cukup. Namun jagung sangat rentan terhadap penyakit selama siklus hidupnya, yang dapat menurunkan kualitas dan kuantitasnya. Di Sumenep, Jagung dapat dikatakan sebagai bahan pangan pokok untuk sebagian masyarakat pedesaan atau pelosok. Penyebab terjadinya serangan pada tanaman jagung adalah ketidaktahuan petani dalam pencegahan dan penanganannya sehingga menyebabkan produksi jagung mengalami penurunan. Dinas pertanian kabupaten Sumenep juga belum mempunyai sistem untuk klasifikasi hama dan penyakit jagung. Tujuan penelitian ini adalah klasifikasi penyakit dan hama tanaman jagung menggunakan metode naive bayes dengan information gain. Naive Bayes digunakan untuk mengolah nilai-nilai probabilitas setiap gejala, dan nilai persentase dari setiap hama dan penyakit. Information Gain untuk menyeleksi bobot gejala yang paling berpengaruh dalam menentukan hama dan penyakit jagung. Hasil uji coba, akurasi naive bayes dengan information gain dapat meningkatkan akurasi rata-rata sebesar 3,17 % dibanding klasifikasi tanpa seleksi fitur. Akurasi terbaik diperoleh dengan metode information gain dan naive bayes sebanyak 15 fitur dari 47 fitur dengan akurasi sebesar 98,47 %. Penelitian ini merekomendasikan 15 fitur, dengan 3 fitur terbesar adalah tidak berbuah, daun berklorosis sebagian atau seluruh daun dan adanya bekas gigitan pada batang.

Copyrights © 2023






Journal Info

Abbrev

teknika

Publisher

Subject

Computer Science & IT Electrical & Electronics Engineering Engineering

Description

Teknika is a peer-reviewed journal dedicated to disseminate research articles in Information and Communication Technology (ICT) area. Researchers, lecturers, students, or practitioners are welcomed to submit paper which has topic below: Computer Networks Computer Security Artificial Intelligence ...