skip to main content

ALGORITMA K-NN DENGAN EUCLIDEAN DISTANCE UNTUK PREDIKSI HASIL PENGGERGAJIAN KAYU SENGON

Anton Yudhana  -  Teknik Elektro, Fakultas Teknik, Universitas Ahmad Dahlan, Indonesia
Sunardi Sunardi  -  Teknik Elektro, Fakultas Teknik, Universitas Ahmad Dahlan, Indonesia
*Agus Jaka Sri Hartanta  -  Magister Teknik Informatika, Fakultas Pascasarjana, Universitas Ahmad Dahlan, Indonesia
Dikirim: 6 Sep 2020; Diterbitkan: 18 Nov 2020.
Akses Terbuka Copyright (c) 2020 Transmisi under http://creativecommons.org/licenses/by-sa/4.0.

Citation Format:
Sari

Industri dengan bahan dasar kayu Sengon (Albizia falcataria) banyak diselenggarakan oleh masyarakat Indonesia untuk keperluan furnitur, instrumen desain interior, bahan kayu plywood, pelapis dinding, plafon, dudukan cor, dan bahan baku kertas. Penggergajian merupakan proses pemotongan batang kayu untuk mendapatkan potongan-potongan yang lebih kecil sesuai dengan variasi dimensi yang diinginkan. Perhitungan prediksi secara manual untuk mendapatkan jumlah dan dimensi potongan membutuhkan waktu lama karena harus dilakukan secara berulang untuk setiap batang, terkadang hasilnya tidak optimal sehingga mengakibatkan kerugian. Penelitian ini menerapkan Algoritma k-Nearest Neighbor (k-NN) dengan Euclidean Distance untuk prediksi hasil penggergajian kayu Sengon. Penelitian diawali dengan perhitungan dengan Ms Excel lalu membangun aplikasi Algoritma k-NN menggunakan bahasa pemrograman PHP dengan database MySQL dan framework Laravel. Data training sejumlah 135 dan data testing sejumlah 10. Nilai k yang digunakan adalah 1, 2, 3, 4, dan 5. Penggunaan aplikasi dilakukan dengan memberikan input berupa panjang dan diameter kayu untuk kemudian dilakukan proses perhitungan k-NN hingga mendapatkan hasil prediksi. Penelitian dengan aplikasi didapatkan hasil prediksi 100% sama dengan hasil perhitungan dengan Ms Excel. Hasil prediksi dengan aplikasi mendapatkan akurasi 70% atau error rate sebesar 30% jika dibandingkan dengan hasil riil di lapangan. 

Fulltext View|Download
Kata Kunci: K-NN; Euclidean; Sengon; Prediksi; Penggergajian;

Article Metrics:

  1. A. Ferry, R. Putra, E. Wardenaar, and H. Husni, “Analisa Komponen Kimia Kayu Sengon (Albizia Falcataria (L.) Fosberg) Berdasarkan Posisi Ketinggian Batang,” J. Hutan Lestari, vol. 6, no. 1, pp. 83–89, 2018
  2. H. Krisnawati, E. Varis, M. Kallio, and M. Kanninen, “Paraserianthes falcataria (L.) Nielsen: Ekologi, silvikultur dan produktivitas,” Cent. Int. For. Res., pp. 1–16, 2011, doi: 10.17528/cifor/003482
  3. A. Yudhana, Sunardi, and A. J. S. Hartanta, “Perancangan Aplikasi Smartphone Android untuk Penentuan Pola Satu Sisi Penggergajian Kayu Sengon,” Snst Ke-9, no. November, pp. 58–63, 2018
  4. L. A. Wijaya and N. A. Setiyanto, “PERHITUNGAN PERKIRAAN JUMLAH HASIL KAYU JATI BALOK DENGAN MENGGUNAKAN ALGORITMA GENETIKA DI UD. WAHYU JAYA,” udinus Repos., pp. 1–9, 2013, [Online]. Available: http://eprints.dinus.ac.id/id/eprint/4807
  5. Hasmawati, Nangi, Jumadil, and M. Muchtar, “Aplikasi Prediksi Penjualan Barang Menggunakan Metode K-Nearest Neighbor (Knn) (Studi Kasus Tumaka Mart),” semanTIK, vol. 3, no. 2, pp. 151–160, 2017, [Online]. Available: http://ojs.uho.ac.id/index.php/semantik/article/view/3658/2775
  6. H. A. F. Willmen TB Panjaitan, Ema Utami, “Prediksi Panen Padi Menggunakan Algoritma K-Nearest Neigbour,” Pros. SNATIF Ke -5 Tahun, pp. 621–628, 2018
  7. N. Lizarti and A. N. Ulfah, “Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Peminatan Studi (Studi Kasus : Program Studi Teknik Informatika STMIK Amik Riau),” Fountain Informatics J., vol. 4, no. 1, pp. 1–7, 2019, doi: 10.21111/fij.v4i1.2822
  8. M. S. Mustafa and I. W. Simpen, “Perancangan Aplikasi Prediksi Kelulusan Tepat Waktu Bagi Mahasiswa Baru Dengan Teknik Data Mining (Studi Kasus: Data Akademik Mahasiswa STMIK Dipanegara Makassar),” Creat. Inf. Technol. J., vol. 1, no. 4, pp. 270–281, 2015, doi: 10.24076/citec.2014v1i4.27
  9. A. Hamdi, F. Indriani, and Muliadi, “Metode Timeseries K-Nearest Neighbor Regression Dalam Prediksi Barang Keluar Ada Gudang PT Putra Prenuer Banjarbaru,” Semin. Nas. Ilmu Komput., vol. 2, pp. 37–45, 2019
  10. I. Drajana and C. Rally, “Prediksi Jumlah Produksi Coconut Oil Menggunakan k-Nearest Neighbor dan Backward Elimination,” TECNOSCIENZA, vol. 13, no. 1, pp. 51–64, 2018
  11. I. Riadi, A. Fadlil, and P. Annisa, “Identifikasi Tulisan Tangan Huruf Katakana Jepang Dengan Metode Euclidean,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 4, no. 1, p. 29, 2020, doi: 10.30645/j-sakti.v4i1.184
  12. A. Fadlil and Saifudin, “Sistem Identifikasi Citra Kayu Berdasarkan Tekstur Menggunakan Gray Level Coocurrence Matrix (Glcm) Dengan Klasifikasi Jarak Euclidean,” Sinergi, vol. 19, no. 3, pp. 181–186, 2015
  13. M. R. A. Utama, A. Yudhana, and R. Umar, “Membangun Rancangan Sistem Informasi Menggunakan Berbasis Web Mobile (Studi Kasus: Toko KGS Rizky Motor),” Semin. Nas. Inform. 2018 (semnasIF 2018), vol. 1, no. 1, pp. 92–95, 2018
  14. A. Prayudi, R. Umar, and A. Yudhana, “Perancangan Sistem Informasi Pariwisata Di Kabupaten Dompu Berbasis Website,” Semin. Nas. Inform., vol. 1, no. 1, pp. 26–30, 2018
  15. Sunardi, A. Fadlil, and Suprianto, “Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier Pada Angket Mahasiswa,” Saintekbu, vol. 10, no. 2, pp. 1–9, 2018, doi: 10.32764/saintekbu.v10i2.190

Last update:

  1. Comparison of K-Nearest Neighbor and Logistic Regression Algorithms on Sentiment Analysis of Covid-19 Vaccination on Twitter with Vader And Textblob Labeling

    Fadhilah Fazrin, Oktariani Nurul Pratiwi, Rachmadita Andreswari. 2022 International Conference of Science and Information Technology in Smart Administration (ICSINTESA), 2022. doi: 10.1109/ICSINTESA56431.2022.10041609
  2. Identification of glucose levels in urine based on classification using k-nearest neighbor algorithm method

    Anton Yudhana, Fathiyyah Warsino, Son Ali Akbar, Fatma Nuraisyah, Ilham Mufandi. International Journal on Smart Sensing and Intelligent Systems, 16 (1), 2023. doi: 10.2478/ijssis-2023-0006

Last update: 2024-03-26 12:38:07

No citation recorded.