<![CDATA[Produksi ikan betok dan ikan kurisi saat ini masih sangat bergantung pada hasil tangkapan dari alam, dan bila tidak dilakukan pembatasan, hal ini akan menyebabkan peningkatan dalam penangkapan ikan yang berdampak negatif pada jumlah populasi ikan di masa mendatang. Ikan betok merupakan salah satu spesies yang terancam punah, selain menghadapi penurunan populasi yang terus berlanjut, polusi, dan metode budidaya yang belum sepenuhnya maju pada saat ini. Dengan mengklasifikasikan ikan berdasarkan morfometrik dapat memberikan kontribusi dalam memonitor dan mengelola sumber daya perikanan. Penelitian ini bertujuan untuk menguji sejauh mana model klasifikasi ini efektif dan akurat dalam membedakan antara data set ikan betok dan ikan kurisi berdasarkan karakteristik morfometrik. Untuk mencapai tujuan ini, digunakan tiga metode data mining, yaitu Naive Bayes, K-Nearest Neighbor, dan Decision Tree. Penelitian ini merupakan penelitian eksperimen untuk menemukan algoritma terbaik dalam mengklasifikasi spesies ikan menggunakan metode Naive Bayes, K-Nearest Neighbor, dan Decision Tree. untuk mengklasifikasikan spesies ikan metode Decision Tree lebih unggul daripada metode Naive Bayes dan metode K-Nearest Neighbor. Dengan hasil pengujian yang dilakukan dengan mendapatkan nilai akurasi sebesar 94,74%.]]>
Copyrights © 2025
