PREDIKSI KUALITAS GENTENG MANTILI BERDASARKAN KOMPOSISI BAHAN BAKU MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR

Yusuf Bahtiar
Joni Maulindar
Margaretha Evi Yuliana


DOI: https://doi.org/10.29100/jipi.v9i4.5589

Abstract


Permasalahan yang dialami pada industri genteng saat ini adalah fluktuasi harga bahan baku dan ketersediaan bahan baku yang tidak menentu. Proses penentuan komposisi yang tepat melalui uji coba manual memerlukan waktu dan sumber daya yang dapat menghabiskan tenaga dan biaya. Oleh karena itu, diperlukan sebuah sistem yang dapat memprediksi kualitas genteng mantili. Tujuan penelitian ini untuk memprediksi kualitas genteng mantili berdasarkan bahan baku menggunakan algoritma K-Nearest Neighbor (K-NN). Komponen bahan baku yang digunakan yaitu tanah liat lempung, tanah liat hitam, tanah liat merah, tanah liat padas, tanah pasir sungai, dan kaolin. Klasifikasi prediksi yang digunakan dalam penelitian ini adalah "bagus" dan "tidak bagus". Data yang digunakan sebanyak 36, kemudian dipisahkan menjadi 26 data latih dan 10 data uji. Penelitian dimulai dengan memodelkan perhitungan K-NN menggunakan RapidMiner, kemudian dilanjutkan dengan mengembangkan sistem menggunakan bahasa pemrograman PHP dengan basis data MySQL. Pengujian pertama dilakuakan dengan nilai k=5 menggunakan 26 data latih dan 10 data uji, didapatkan hasil nilai akurasi sebesar 80% dan nilai error mencapai 20%. Pengujian kedua dilakukan dengan memasukkan data aktual yang diperoleh di lapangan menunjukkan hasil prediksi yang sesuai. Oleh karena itu, dapat disimpulkan bahwa sistem ini dapat digunakan untuk memprediksi kualitas genteng mantili.

Keywords


Data Mining; Genteng Mantili; K-Nearest Neighbor; Klasifikasi

Full Text:

PDF

Article Metrics :

References


D. Nirmalasari, I. H. Lubis, H. E. Kusuma, and M. D. Koerniawan, “Preferensi Penggunaan Material pada Atap Rumah Tinggal,” Tesa Arsitektur, vol. 18, no. 1, pp. 1–9, 2020.

D. Y. Reindrawati et al., Analisis Teori dan Pengaplikasian Model Bisnis Canvas pada Usaha Kecil Genteng Tanah Liat Tradisional di Kediri, Jawa Timur. Lakeiskha, 2020.

I. G. A. A. Wulandari and N. M. I. Priliandani, “Pemberdayaan UMKM Pengrajin Genteng Tanah Liat Di Desa Pejaten, Kediri-Tabanan, Bali,” Akuntansi dan Humaniora: Jurnal Pengabdian Masyarakat, vol. 1, no. 2, pp. 78–81, 2022.

A. Khairunisa, Aviasti, and L. Nurwandi, “Usulan Perbaikan Proses Pembuatan Genteng dengan Menggunakan Metode Taguchi pada Home Industri Mahkota,” Bandung Conference Series: Industrial Engineering Science, vol. 3, no. 1, pp. 268–275, Jan. 2023, doi: 10.29313/bcsies.v3i1.6614.

K. Supriyanto, D. Whizkid Aziiz, H. N. Gian, and D. Hartanti, “Sistem Pendukung Keputusan Kualitas Genteng di Desa Wirun Menggunakkan Metode Multi Attribute Utility Theory (MAUT),” in Prosiding Seminar Nasional Teknologi Informasi dan Bisnis, 2022, pp. 338–342.

A. Z. Rohmah and L. Ayundasari, “Pengaruh industri genteng tanah liat terhadap perubahan sosial ekonomi masyarakat Desa Kamulan Tahun 2001-2021,” Jurnal Integrasi dan Harmoni Inovatif Ilmu-Ilmu Sosial, vol. 2, no. 3, pp. 223–232, 2022.

B. A. Prastyo, “Perancangan Sistem Penggorengan Pada Mesin Pembuat Keripik Serbaguna dengan Metode Deep Frying,” Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), vol. 4, no. 3, pp. 285–290, Aug. 2020, doi: 10.29407/inotek.v4i3.101.

M. Faris Raharja and M. E. Yuliana, “Teknologi Informasi Sebagai Sarana Komunikasi Penjual kepada Pembeli di Platform E-Commerce,” Jurnal Ekonomi Teknologi & Bisnis (JETBIS), vol. 1, no. 3, 2022, [Online]. Available: https://jetbis.al-makkipublisher.com/index.php/al/index

V. Atina and D. Hartanti, “Knowledge Based Recommendation Modeling for Clothing Product Selection Recommendation System,” Jurnal Teknik Informatika (Jutif), vol. 3, no. 5, pp. 1407–1413, Oct. 2022, doi: 10.20884/1.jutif.2022.3.5.584.

M. Mufarrohah, T. Yulianto, and F. Faisol, “Penentuan Jenis Tanah untuk Menghasilkan Genteng Berkualitas Menggunakan Fuzzy ELECTRE,” Zeta - Math Journal, vol. 5, no. 1, pp. 32–36, Nov. 2020, doi: 10.31102/zeta.2020.5.1.32-36.

R. N. Sukmana, A. Abdurrahman, and Y. Wicaksono, “Implementasi K-Nearest Neighbor untuk Menentukan Prediksi Penjualan: (Studi Kasus: PT MaksIPlus Utama Indonesia),” Jurnal Teknologi Informasi dan Komunikasi, vol. 9, no. 2, pp. 31–37, Dec. 2020, doi: 10.58761/jurtikstmikbandung.v9i2.123.

A. Yudhana, S. Sunardi, and A. J. S. Hartanta, “Algoritma K-NN dengan Euclidean Distance untuk Prediksi Hasil Penggergajian Kayu Sengon,” Transmisi, vol. 22, no. 4, pp. 123–129, Nov. 2020, doi: 10.14710/transmisi.22.4.123-129.

S. D. Prasetyo, S. S. Hilabi, and F. Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” Jurnal KomtekInfo, pp. 1–7, Jan. 2023, doi: 10.35134/komtekinfo.v10i1.330.

Y. Reswan, R. Toyib, H. Witriyono, and A. Anggraini, “Klasifikasi Tingkat Kematangan Buah Nanas Berdasarkan Fitur Warna Menggunakan Metode K–Nearest Neighbor (KNN),” JURNAL MEDIA INFOTAMA, vol. 20, no. 1, pp. 280–287, Apr. 2024, doi: 10.37676/jmi.v20i1.5689.

C. Anisa and Andri, “Penerapan Algoritma K-Nearest Neighbor untuk Prediksi Penjualan Obat pada Apotek Kimia Farma Atmo Palembang,” in Bina Darma Conference on Computer Science (BDCCS), 2020, pp. 199–208.

S. Sukamto, Y. Adriyani, and R. Aulia, “Prediksi Kelompok UKT Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,” JUITA: Jurnal Informatika, vol. 8, no. 1, pp. 121–130, 2020.

K. M. Rajabi, W. Witanti, and R. Yuniarti, “Penerapan Algoritma K-Nearest Neighbor (KNN) Dengan Fitur Relief-F Dalam Penentuan Status Stunting,” Innovative: Journal of Social Science Research, vol. 3, no. 4, pp. 3555–3568, 2023, doi: 10.31004/innovative.v3i4.3885.

S. R. Cholil, T. Handayani, R. Prathivi, and T. Ardianita, “Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa,” IJCIT (Indonesian Journal on Computer and Information Technology), vol. 6, no. 2, pp. 118–127, 2021.

V. A. Lestari, A. Yuli Ananta, and P. Basudewa, “Sistem Informasi Prediksi Persediaan Obat Di Apotek Naylun Farma Menggunakan Holt-Winters,” JIP (Jurnal Informatika Polinema), vol. 9, no. 2, pp. 229–236, 2023.

L. Widyawati and V. Lusiana, “Penerapan K-Means Clustering Untuk Mengelompokkan Data Transaksi Penjualan (Studi Kasus pada Wijaya Hijab),” Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 12, no. 3, 2023.

V. R. Prasetyo, H. Lazuardi, A. A. Mulyono, and C. Lauw, “Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Regresi Linier,” Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI), vol. 7, no. 1, pp. 8–17, 2021.

R. E. Pawening, W. J. Shudiq, and W. Wahyuni, “Klasifikasi Kualitas Jeruk Lokal Berdasarkan Tekstur dan Bentuk Menggunakan Metode k-Nearest Neighbor (k-NN),” COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi, vol. 1, no. 1, pp. 10–17, 2020.

D. Christy Pratiwi, V. Atina, and J. Maulindar, “Job-Position Recommender System Using Knowledge Based Recommendation Method at Atmi Polytechnic Surakarta,” Jurnal Teknik Informatika (JUTIF), vol. 5, no. 1, pp. 153–161, 2024, doi: 10.52436/1.jutif.2024.5.1.1258.