Penerapan Metode Naive Bayes Dalam Pemilihan Kualitas Jenis Rumput Taman CV. Rumput Kita Landscape
Abstract
Penataan taman yang menarik, sejuk dan indah memerlukan budget yang tinggi. Dari beragam jenis rumput, umumnya Rumput Mini ditanam untuk mempercantik rumah atau bangunan. Para pengelola jasa taman menentukan kualitas rumput dari pengalaman sehari-hari. Ini menunjukkan belum adanya pemanfaatan sistem komputer dalam pemilihan jenis rumput taman yang berkualitas, menyebabkan terjadi kesalahan dalam menentukan kualitas rumput terbaik. Dalam permasalahan ini metode Naïve Bayes digunakan sebagai Sistem Pengambil Keputusan (SPK). Naïve bayes merupakan metode pengklasifikasian ada tidaknya ciri tertentu dari sebuah kelas. Empat kriteria pemilihan kualitas jenis rumput taman yaitu suhu udara, curah hujan, kelembapan udara dan harga pasar. Hasil perangkingan dari R1, R2, R3, R4, R5, R6, R7 menunjukkan R6: Rumput Golf= 0.4705882353; R7: Rumput Swiss= 0.4705882353 merupakan rumput yang memiliki Kualitas Baik.
Kata Kunci: Pemilihan Rumput, Kualitas, Ranking, Naïve Bayes
Abstract
An attractive, cool and beautiful garden arrangement requires a high budget. Of the various types of grass, generally Mini Grass is planted to beautify your home or building. The managers of garden services determine the quality of grass from everyday experience. This shows that there is no use of computer systems in the selection of quality garden grass types, causing errors in determining the best quality of grass. In this problem the Naïve Bayes method is used as a Decision Making System (SPK). Naïve Bayes is a method of classifying the presence or absence of certain characteristics of a class. Four criteria for selecting the quality of garden grass types are air temperature, rainfall, air humidity and market prices. The ranking results of R1, R2, R3, R4, R5, R6, R7 indicate R6: Golf Grass = 0.4705882353; R7: Swiss grass = 0.4705882353 is a grass that has good quality.
Keywords: Selection Of Grass, Quality, Ranking, Naïve Bayes
Downloads
References
[2] Maskiswo Addi Puspito, Nurul Hidayat, Suprapto, “Sistem Pendukung Keputusan Diagnosa Penyakit Tanaman Jeruk Menggunakan Metode Naive Bayes Classifier”, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Juli 2018, Vol. 2, No. 7, hlm. 2578-2583.
[3] Astrid Novita Putri, “Penerapan Naive Bayesian Untuk Perankingan Kegiatan Di Fakultas Tik Universitas Semarang”, Jurnal SIMETRIS, November 2017 Vol 8 No 2 hal 603-609.
[4] Ketut Artaye, “IMPLEMENTATION OF NAÏVE BAYES CLASSIFICATION METHOD TO PREDICT GRADUATION TIME OF IBI DARMAJAYA SCHOLAR”, International Conferences on Information Technology and Business (ICITB)”, 2015, p 284-290.
[5] Alfa Saleh, “ImplementasiMetode Klasifikasi Naïve BayesDalam Memprediksi Besarnya PenggunaanListrikRumah Tangga”, Citec Journal, Vol. 2, No. 3, Mei 2015 –Juli, hal 207-217.
[6] Budi Harijanto, Yuri Ariyanto, Luthfia Miftahurroifa, “Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Retensi Arsip”, Jurnal Informatika Polinema, Februari 2018, Volume 4, Edisi 2, hal 155-160.
[7] Fitri Handayani, Feddy Setio Pribadi, “Implementasi Algoritma Naive Bayes Classifier dalam Pengklasifikasian Teks Otomatis Pengaduan dan Pelaporan Masyarakat melalui Layanan Call Center 110”, Jurnal Teknik Elektro Vol. 7 No. 1 hal 19-25.
[8] Alfa Saleh, “Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga”, Citec Journal,Tahun 2015, Vol. 2, No. 3, hal 207-217.
[9] Ali Mahmudi, Moh. Miftakhur Rokhman, Achmat Eko Prasetio, Rancang Bangun Sistem Pakar Untuk Mendiagnosis Tanaman Cabai Menggunakan Metode Bayes, Jurnal Rekayasa Dan Manajemen Sistem Informasi , Vol.2, No 2, Agustus 2016, hal 85-90.
[10] Nur Aini Hutagalung, Implementasi Metode Bayes Pada Sistem Pakar Mendiagnosa Penyakit Polio, JSK (Jurnal Sistem Informasi dan Komputerisasi Akuntansi) Vol 01 No 02, Desember 2017, hal 26-30.
Jurnal Digital Zone is licensed under aCreative Commons Attribution-ShareAlike 4.0 International License.
