<![CDATA[Indonesia memiliki ragam padi (Oryza sativa L.) sebanyak 4000 ragam lebih yang tersimpan di bank gen Balai Besar Biogen. Penelitian ini bertujuan mengklasifikasikan benih padi rawa Kalimantan Selatan menggunakan algoritma klasifikasi KNN tanpa dan dengan seleksi fitur serta membandingkan akurasinya. Metode penelitian meliputi Pengumpulan Data, Pembuatan Data Sintetis dengan nilai statistik, Seleksi Fitur dengan algoritma ReliefF, Pembagian Data Latih dan Data Uji dengan Stratified k-fold cross validation, pemodelan menggunakan algoritma KNN serta perhitungan akurasi. Hasil penelitian berupa tiga fitur yang optimal hasil seleksi fitur meliputi AspectRatio, MajorAxis, dan Feret dengan nilai bobot berturut-turut 0,489; 0,485; dan 0,456. Rata-rata akurasi paling tinggi didapatkan pada saat nilai k=3 sebesar 71% untuk Data Sintetis tanpa Seleksi Fitur sedangkan akurasi algoritma KNN terhadap Data Sintetis dengan Seleksi Fitur untuk nilai k=3 sebesar 74%, nilai k=5 sebesar 75% dan k=7 sebesar 76%. Jika dibandingkan dengan Data Sintetis tanpa Seleksi Fitur, maka penambahan akurasi algoritma KNN untuk nilai k=3 sebesar 3%, serta untuk nilai k=5 dan k=7 sebesar 6%. Hal ini menunjukkan bahwa penggunaan seleksi Fitur dapat meningkatkan akurasi algoritma KNN untuk mengklasifikasikan data benih padi rawa Kalimantan Selatan berdasarkan ciri fisiknya.Kata Kunci: akurasi, klasifikasi, KNN, seleksi fitur.]]>
Copyrights © 2019
