A Meningkatkan Akurasi KNN Menggunakan Metode Particle Swarm Optimization pada Klasifikasi Kualitas Buah Apel

Mutiara Mega Amelia; Hani Harafani; Muhammad Rafa Maarif; Bintang Maulana Fazrin

doi:10.70340/jirsi.v4i1.173

Penulis

Mutiara Mega Amelia Universitas Nusa Mandiri
Hani Harafani Universitas Nusa Mandiri
Muhammad Rafa Maarif Universitas Nusa Mandiri
Bintang Maulana Fazrin Universitas Nusa Mandiri

DOI:

https://doi.org/10.70340/jirsi.v4i1.173

Kata Kunci:

Quality, Apel, Classification, KNN, PSO

Abstrak

Kualitas apel merupakan aspek krusial dalam industry pertanian dan pengolahan makanan, Penilaian kualitas ini sangat penting untuk memenuhi standar konsumen dan memastikan kepuasan pelanggan. Penelitian ini mengeksplorasi penggunaan algoritma K-nearest Neighbor (KNN) yang dioptimalkan dengan Particle Swarm Optimization (PSO) untuk klasifikasi kualitas apel berdasarkan atribut ukutan, berat, rasa manis, kerenyahan, Kelembapan, kematangan, dan keasaman. Dataset yang digunakan mencakup 4000 sampel apel yang telah diukur dan diealuasi berdasarkan atribut-atribut tersebut. Hasil penelitian menunjukkan bahwa pengaturan ukuran populasi dan bobot inertia pada algoritma PSO berhasil mengoptimalkan kinerja KNN dalam klasifikasi kualitas buah apel. Kombinasi ukuran populasi dan beban inertia pada algoritma PSO dapat meningkatkan akurasi KNN hingga mencapai nilai akurasi sebesar 91.15% dengan nilai recall 89.53% dan precision 92.59%. Penelitian ini juga memiliki nilai akurasi yang lebih baik dibandingkan penelitian sebelumnya terhadap klasifikasi kualitas buah apel.

Unduhan

Data unduhan belum tersedia.

Referensi

F. Indra Pratama, A. P. Wijaya, H. Pratiwi, and A. Budianita, “Klasifikasi Kematangan Buah Apel Berdasarkan Warna Dan Tekstur Menggunakan Algoritma K-Nearest Neighbor,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 5, no. 1, pp. 11–18, 2023, doi: 10.46772/intech.v5i1.1119.

R. Chowdhury, R. Das, F. B. Faruk Ananna, A. Saha, S. Nawar, and M. H. Hosen, “Unveiling Predictive Factors in Apple Quality: Leveraging LIME, SHAP, and the Synergy of Machine Learning Models and Artificial Neural Networks,” Proc. - 6th Int. Conf. Electr. Eng. Inf. Commun. Technol. ICEEICT 2024, no. May, pp. 1026–1031, 2024, doi: 10.1109/ICEEICT62016.2024.10534426.

Christian Iwan, Christvaldo Kurnia Putra, Dianeluoxy Zabdi, Elson Ivan Boy, Monica Agustina Chandra, and Lifia Yola Febrianti, “Analisis Pemanfaatan Artificial Intelligence Dalam Membantu Proses Perekrutan Karyawan Perusahaan,” J. Sains dan Teknol., vol. 2, no. 2, pp. 161–168, 2023, doi: 10.58169/saintek.v2i2.248.

A. Wibowo, L. Lusiana, and T. K. Dewi, “Implementasi Algoritma Deep Learning You Only Look Once (YOLOv5) Untuk Deteksi Buah Segar Dan Busuk,” Paspalum J. Ilm. Pertan., vol. 11, no. 1, p. 123, 2023, doi: 10.35138/paspalum.v11i1.489.

T. Dwi Antoko, M. Azhar Ridani, and A. Eko Minarno, “Klasifikasi Buah Zaitun Menggunakan Convolution Neural Network,” Komputika J. Sist. Komput., vol. 10, no. 2, pp. 119–126, 2021, doi: 10.34010/komputika.v10i2.4475.

C. Suryanti and M. G. Rohman, “Klasifikasi Kualitas Buah Apel Berdasarkan Warna dan Bentuk Menggunakan Metode KNN,” Gener. J., vol. 8, no. 1, pp. 34–41, 2024, doi: 10.29407/gj.v8i1.21052.

R. A. Safitri, S. Nurdiani, D. Riana, and S. Hadianti, “Klasifikasi Jenis Buah Apel Menggunakan Metode Orde 1 dengan Algoritma Multi Support-Vector Machines,” Paradig. - J. Komput. dan Inform., vol. 21, no. 2, pp. 167–172, 2019, doi: 10.31294/p.v21i2.6526.

P. Astuti, “Klasifikasi Kualitas Buah Apel Dengan Algoritma K-Nearest Neighbor (K-NN) Menggunakan Bahasa Pemrograman Python,” Comput. Sci., vol. 4, no. 2, pp. 127–132, 2024, doi: 10.31294/coscience.v4i2.3328.

Y. Kustiyaningsih and N. Syafa’ah, “Sistem Pendukung Keputusan Untuk Menentukan,” J. Istek, vol. VI, no. 1, pp. 40–42, 2020.

A. P. Permana, K. Ainiyah, and K. F. H. Holle, “Analisis Perbandingan Algoritma Decision Tree, kNN, dan Naive Bayes untuk Prediksi Kesuksesan Start-up,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 6, no. 3, pp. 178–188, 2021, doi: 10.14421/jiska.2021.6.3.178-188.

S. D. Mayanglambam, R. Pamula, and S. J. Horng, “Clustering-Based Outlier Detection Technique Using PSO-KNN,” J. Appl. Sci. Eng., vol. 26, no. 12, pp. 1703–1721, 2023, doi: 10.6180/jase.202312_26(12).0003.

S. W. Fei, “The Hybrid Method of VMD-PSR-SVD and Improved Binary PSO-KNN for Fault Diagnosis of Bearing,” Shock Vib., vol. 2019, pp. 1–7, 2019, doi: 10.1155/2019/4954920.

J. Han, “The Method for Identifying Employees’ Emotions in Adverse States Incorporating PSO-kNN Algorithm and Multiple Physiological Parameters,” Comput. Intell. Neurosci., vol. 2022, 2022, doi: 10.1155/2022/4371162.

S. Wu, “Simulation of classroom student behavior recognition based on PSO-kNN algorithm and emotional image processing,” J. Intell. Fuzzy Syst., vol. 40, no. 4, pp. 7273–7283, 2021, doi: 10.3233/JIFS-189553.

A. P. Piotrowski, J. J. Napiorkowski, and A. E. Piotrowska, “Population size in Particle Swarm Optimization,” Swarm Evol. Comput., vol. 58, no. May, p. 100718, 2020, doi: 10.1016/j.swevo.2020.100718.

M. Murinto, A. Prahara, and E. I. H. Ujianto, “Multilevel Thresholding Segmentasi Citra Warna Menggunakan Logarithmic Decreasing Inertia Weight Particle Swarm Optimization,” Sainteks, vol. 19, no. 1, p. 13, 2022, doi: 10.30595/sainteks.v19i1.13295.

H. Gultom, “Data-Data Yang Digunakan Dalam Proses Asuhan Keperawatan Dan Metode Pengumpulan Data,” OSF Prepr., pp. 1–7, 2020.

M. D. Purbolaksono, M. Irvan Tantowi, A. Imam Hidayat, and A. Adiwijaya, “Perbandingan Support Vector Machine dan Modified Balanced Random Forest dalam Deteksi Pasien Penyakit Diabetes,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 2, pp. 393–399, 2021, doi: 10.29207/resti.v5i2.3008.

LOUIS MADAERDO SOTARJUA and DIAN BUDHI SANTOSO, “Perbandingan Algoritma Knn, Decision Tree,*Dan Random*Forest Pada Data Imbalanced Class Untuk Klasifikasi Promosi Karyawan,” J. INSTEK (Informatika Sains dan Teknol., vol. 7, no. 2, pp. 192–200, 2022, doi: 10.24252/instek.v7i2.31385.

S. Setianingsih, M. U. Chasanah, Y. I. Kurniawan, and L. Afuan, “Implementation of Particle Swarm Optimization in K-Nearest Neighbor Algorithm As Optimization Hepatitis C Classification,” J. Tek. Inform., vol. 4, no. 2, pp. 457–465, 2023, doi: 10.52436/1.jutif.2023.4.2.980.

A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,” J. Teknoinfo, vol. 14, no. 2, p. 115, 2020, doi: 10.33365/jti.v14i2.679.

H. Harafani, “Support Vector Machine Parameter Optimization to Improve Liver Disease Estimation with Genetic Algorithm,” SinkrOn, vol. 4, no. 2, p. 106, 2020, doi: 10.33395/sinkron.v4i2.10524.