KEC.PINOGALUMAN
Oleh
DANDI AHMADI
T3118106
USULAN PENELITIAN
PROGRAM SARJANA
TEKNIK INFORMATIKA
UNIVERSITAS ICHSAN GORONTALO
GORONTALO
2022
PERSETUJUAN USULAN PENELITIAN
DANDI AHMADI
T3118106
USULAN PENELITIAN
Gorontalo,..........................
i
KATA PENGANTAR
Segala puji dan syukur kita panjatkan kepada ALLAH S.W.T atas Rahmat dan
Hidayah-Nya yang selama ini kita dapatkan oleh karenanya penulis dapat
menyelesaikan usulan penelitian dengan judul “PREDIKSI HASIL PANEN
PADI MENGGUNAKAN METODE K-NN DI DESA BATUBANTAYO
KECAMATAN PINOGALUMAN” study kasus Dinas Pertanian Kecamatan
Pinogaluman.
Dalam penyusunan usulan penelitian ini mungkin tidak akan selesai tampa
bantuan dari pihak-pihak tertentu. Maka, dengan ini penulis mengucapkan
terimakasi kepada pihak-pihak yang sudah membantu, diantaranya sebagai
berikut:
ii
11. Dan semua pihak yang telah memberikan dukungan baik moril maupun
matrerial bagi penulis dalam penyusuan penulisan usulan penelitian ini.
Penulis
iii
DAFTAR ISI
KATA PENGANTAR.............................................................................................ii
DAFTAR ISI...........................................................................................................iv
DAFTAR GAMBAR..............................................................................................vi
DAFTAR TABEL..................................................................................................vii
BAB I.......................................................................................................................1
PENDAHULUAN...................................................................................................1
1.4 Tujuan........................................................................................................4
BAB II......................................................................................................................5
LANDASAN TEORI...............................................................................................5
2.2.1 Prediksi...............................................................................................7
2.2.2 Padi.....................................................................................................7
METODOLOGI PENELITIAN.............................................................................17
3.3 Pemodelan...............................................................................................18
3.5 Evaluasi...................................................................................................18
Jadwal Penelitian....................................................................................................19
DAFTAR PUSTAKA............................................................................................20
DAFTAR GAMBAR
PENDAHULUAN
Padi (bahasa latin: Oryza sativa L.) merupakan salah satu tanaman
budidaya terpenting dalam peradaban. Meskipun terutama mengacu pada jenis
tanaman budidaya, padi juga digunakan untuk mengacu pada beberapa jenis dari
marga (genus) yang sama, yang biasa disebut sebagai padi liar. Padi diduga
berasal dari India atau Indocina dan masuk ke Indonesia dibawa oleh nenek
moyang yang migrasi dari daratan Asia sekitar 1500 SM. Hasil dari pengolahan
padi dinamakan beras [2].
Data yang digunakan dalam penelitian ini merupakan data laporan utama
Luas Tanam dan Luas panen padi yang berada di Dinas Pertanian Kecamatan
Pinogaluman yang akan di kelompokan kedalam Gagal Panen (C1) dan Cukup
(C2). Dengan menggunakan atribut Luas Tanam (Ha), Luas Panen (Ha), dan juga
2
Produktivitas (Ton GKP/Ha). Data luas tanam dan luas panen dapat di lihat pada
gambar di bawah ini.
Data di atas merupakan data luas tanam dan luas panen padi pada Dinas
Pertanian Kecamatan Pinogaluman, dalam data tersebut peneliti menemukan
masalah yaitu, bagaimana memprediksi hasil panen padi dua tahun sebelumnya.
Teknik yang mampu menyelesaikan masalah tersebut ialah teknik data mining
dengan metode K-Nearest Neighbor (K-NN).
suatu data dengan data yang lain. Tujuan dari algoritma ini adalah mengklasifikasi
objek baru berdasarkan atribut dan sampel latih [5].
I.4 Tujuan
1. Pengembangan Ilmu
Peneliti ini diharapkan dapat mengembangkan ilmu pengetahuan dibidang
teknologi komputer pada umumnya dan clustering dengan metode K-NN
dalam mengelompokkan data luas tanam dan luas panen padi setiap panen.
2. Praktisi
Memudahkan pihak Dinas Pertanian dalam mengelompokkan data panen
dengan metode K-NN.
3. Peneliti
Peneliti juga diharapkan dapat menjadi masukkan bagi peneliti lain yang
akan mengadakan penelitian selanjutnya terkait metode K-NN dan
memberikan informasi bagi mereka tentang masalah yang diteliti.
BAB II
LANDASAN TEORI
5
6
3 Asahar Johar Implementasi K-Nn 2016 Hasil dari aplikasi ini yaitu
T Metode K- berupa rekomendasi nama
, Delfi Nearest peserta yang
Yanosma Neighbor lolos dan tidak lolos seleksi
, Kurnia (Knn) Dan berdasarkan hasil
Anggriani Simple perangkingan nilai masing-
Additive masing peserta.
Weighting Kata Kunci: Sistem
(Saw) Dalam Pendukung Keputusan, K-
Pengambilan Nearest Neighbor, Simple
Keputusan Additive Weighting,
Seleksi Rekomendasi hasil
Penerimaan perangkingan [8].
Anggota
Paskibraka
7
II.2.1 Prediksi
II.2.2 Padi
Data untuk melatih mesin tidak ada label. Digunakan untuk klasifikasi
Preposisi, termasuk unsupervised learning.
* Outlier analysis
* Transaksi normal jumlahnya banyak sekali, mendeteksi terjadinya
keanehan atau masalah pada transaksi (mendeteksi anomaly/kejadian
tidak biasa).
Tahapan proses knowledege discovery from data (KDD) data mining
terbagi atas tujuh bagian yaitu [11]:
1. Pembersihan data
Pembersihan data merupakan proses yang dilakukan data dari noise
dan tidak tetap.
2. Integrasi data
Integrasi data merupakan sesuatu yang dilakuakn untuk menentukan
data dari berbagai sumber yang ada.
3. Seleksi data
Tahap seleksi data merupakan sesuatu yang dilakukan untuk
menentukan dari database yang digunakan agar sesuai dengan apa yang
sudah menjadi tujuan.
4. Transformasi data
Transformasi data merupkan proses untuk mengubah bentuk data yang
sudah ada agar sesuai dengan proses data mining.
5. Data Mining
Data mining merupakan suatu proses yang digunakan dari suatu
metode untuk mendapatkan suatu pola tersembunyi data suatu proses
data yang digunakan.
6. Pola Evaluasi
Pola evaluasi merupakan proses untuk mengidentifikasi data.
7. Presentasi Pengetahuan
Presentasi pengetahuan merupakan sesuatu yang dapat
mempresentasikan suatu informasi yang di perlukan, dimana dalam
informasi yang terdapat kemudian dapat digunakan oleh pemilik data.
9
dan sejumlah k buah yang paling dekat diambil. Titik yang baru klasifikasinya
diprediksikan termasuk pada klasifikasi terbanyak dari titik – titik tersebut [12].
Nilai k yang terbaik untuk algoritma ini tergantung pada data; secara
umumnya, nilai k yang tinggi akan mengurangi efek noise pada klasifikasi, tetapi
membuat batasan antara setiap klasifikasi menjadi lebih kabur. Nilai k yang bagus
dapat dipilih dengan optimasi parameter, misalnya dengan menggunakan cross-
validation. Kasus khusus di mana klasifikasi diprediksikan berdasarkan data
pembelajaran yang paling dekat (dengan kata lain, k
= 1) disebut algoritma nearest neighbor.
Ketepatan algoritma k-NN ini sangat dipengaruhi oleh ada atau tidaknya
fitur-fitur yang tidak relevan, atau jika bobot fitur tersebut tidak
setara dengan relevansinya terhadap klasifikasi. Riset terhadap algoritma
ini sebagian besar membahas bagaimana memilih dan memberi bobot terhadap
fitur, agar performa klasifikasi menjadi lebih baik.
K buah data learning terdekat akan melakukan voting untuk menentukan
label mayoritas. Label data query akan ditentukan berdasarkan label mayoritas
dan jika ada lebih dari satu label mayoritas maka label data query dapat dipilih
secara acak di antara label-label mayoritas yang ada [13].
Proccess with K-
Experiment and
Result Nearest Neighbor
Validation
Method
Classifier berasumsi jarak catatan dari satu sama lain sebagai kriteria
untuk kedekatan mereka dan memilih catatan paling mirip. Ada banyak metode
untuk menghitung jarak seperti fungsi jarak Euclidean, Manhattan, dll, di
antaranya fungsi jarak Euclidean adalah salah satu yang paling umum
didefinisikan sebagai Persamaan yaitu:
11
√∑
n
Keterangan :
( xj ) : Record ke-j
ar : Data ke-r
i,j : 1,2,3..n
Pemrograman web diambil dari 2 suku kata yaitu pemrograman dan web.
Pemrograman merupakan sekumpulan intruksi atau perintah tertulis yang di buat
oleh manusia, dan di buat secara logis untuk memerintahkan komputer agar
melakukan langkah atau proses tertentu dalam menyelesaikan suatu masalah.Web
sendiri merupakan sebuah halaman atau media informasi yang dapat di akses
dengan perangkat lunak browser melalui jaringan komputer atau internet.Jadi,
pemrograman web adalah proses membuat aplikasi komputer yang dapat
digunakan atau di tampilkan dengan bantuan browser. Berikut ini adalah contoh
bahasa pemrograman Web yang di gunkan pada Website ini :
1. PHP
PHP merupakan bahasa pemrograman scripting yang menyatu
dengan HTML dan di jalankan pada server. PHP banyak digunakan untuk
memrogram sebuah situs web dinamis dan dapat bekerja secara otomatis,
tetapi juga dapat digunakan untuk pemakaian lain. PHP sendiri merupakan
sebuah bahasa scripting tingkat tinggi yang di pasang pada dokumen
HTML. Sebagian besar sintaks dalam PHP mirip dengan basaha C, Java
dan Perl. sedangkan yang di kirim ke browser hanya hasilnya. Dalam PHP
15
setiap nama variabel di awali tanda dollar ($). Misal nama variabel a
dalam PHP di tulis dengan $a. PHP bertujuan untuk membuat aplikasi-
aplikasi yang di jalankan di atas teknologi Web. Dalam hal ini, aplikasi
pada umumnya akan memberikan hasil pada Web browser, tetapi
prosesnya secara keseluruhan di jalankan dan di kerjakan di Web server
[15].
2. HTML
HyperText Markup Language (HTML) adalah sebuah bahasa
markup yang digunakan untuk membuat sebuah halaman web,
menampilkan berbagai informasi di dalam sebuah Penjelajah web Internet
dan formating hypertext sederhana yang di tulis kedalam berkas format
ASCII agar dapat menghasilkan tampilan wujudyang terintegerasi. Dengan
kata lain, berkas yang dibuat dalam perangkat lunakpengolah kata dan
disimpan kedalam format ASCII normal sehingga menjadi home page
dengan perintahperintah HTML. Bermula dari sebuah bahasa yang
sebelumnya banyak digunakan di dunia penerbitan dan percetakan yang
disebut dengan SGML(Standard Generalized Markup Language), HTML
adalah sebuah standar yang digunakan secara luas untuk menampilkan
halaman web. HTML saatini merupakan standar Internet yang di
definisikan dan di kendalikan penggunaannya oleh World Wide Web
Consortium(W3C). HTML dibuat oleh kolaborasi Caillau TIM dengan
Berners-lee robert ketika merekabekerja di CERNpada tahun 1989 (CERN
adalah lembaga penelitian fisika energi tinggi di Jenewa) [16].
16
1.Bagaimana penerapan metode K-Nearest Neighbor (K-NN) untuk memprediksi hasil panen padi?
2.Bagaimana Hasil produksi dari panen padi menggunakan metode K-Nearest Neighbor (K-NN)?
PRAPROCESING
1. Mengetahui hasil penerapan metode K-Nearest Neighbor (K-NN) untuk memproduksi hasil
panen padi di Dinas Pertanian Kecamatan Pinogaluman.
2. Mengetahui hasil produksi panen padi di Dinas Pertanian Kecamatan Pinogaluman.
METODOLOGI PENELITIAN
17
18
III.3 Pemodelan
Hasil Prediksi
Metode K-NN
K-NN
III.5 Evaluasi
Tahap evaluasi bertujuan untuk dapat mengetahui hasil kerja dari metode
yang digunakan, evaluasi dilakukan pada cluster dan output yang di hasilkan dan
akan dimasukan kedalam centroid untuk dapat menghitung nilai akurasi.
19
Jadwal Penelitian
2022
Deskripsi Aktivitas
FEBRUARI MARET APRIL MEI
Pra penelitian
pengajuan proposal
Pengumpulan data
Pemodelan K-Means
Evaluasi/Perbakan/ sistem
Penyusunan laporan
20
DAFTAR PUSTAKA
[4] Johanes W.Yodha dan Achmad Wahid K., Pengenalan motif batik
menggunakan Deteksi Tepi Canny dan k-Nearest Neighbor. 2014.
[6] Pungky Andrean. " Penerapan Metode K-Nn Untuk Memprediksi Hasil
Pertanian Di Kabupaten Malang." Jurnal Ilmiah Mahasiswa Program Studi
Teknik Informatika S1, Fakultas Teknologi Industri Institut Teknologi
Nasional Malang 2019.
[9] Prasetya, Hery dan Fitri Lukiastuti. (2009). Manajemen Operasi. Media
Pressindo.Yogyakarta (2009 : 43)
[13] Sulastri, Heni, and Acep Irham Gufroni. "Penerapan data mining dalam
pengelompokan penderita thalassaemia." Jurnal Nasional Teknologi dan
Sistem Informasi 3.2 (2017): 299-305.