MENENTUKAN TANAMAN SELADA AIR HIDROPONIK LAYAK JUAL DENGAN DATA GAMBAR DENGAN METODE K-MEANS CLUSTERING (STUDI KASUS : DI KABUPATEN JEMBER)
2016: Seminar Informatika Aplikatif Polinema (SIAP)
Abstract
Permintaan akan hortikultura terutama sayuran terus meningkat seiring dengan meningkatnya kesejahteraan
dan jumlah penduduk. Menurut hasil survai BPS (2001), konsumsi sayuran di Indonesia meningkat dari 31,790kg pada tahun
1996 menjadi 44,408kg per kapita per tahun pada tahun 1999. Artinya bahwa selain kuantitas, permintaan sayuran juga
meningkat secara kualitas. Namun dilain pihak, pengembangan komoditas sayuran secara kuantitas dan kualitas dihadapkan
pada semakin sedikitnya informasi tentang sayuran yang layak jual, terutama di Kabupaten Jember. Salah satu cara untuk
menghasilkan produk yang berkualitas tinggi secara continue dengan kualitas yang tinggi per tanamannya adalah budidaya
dengan sistem hidroponik.
Dengan adanya itu maka peneliti akan membuat sistem pendukung keputusan kualitas mutu tanaman selada air
hidroponik terhadap nilai jual di Kabupaten Jember dengan tujuan dapat membantu menentukan kualitas selada air
hidroponik yang baik dengan metode K-Means Clustering. Metode ini digunakan untuk mengklasifikasi ciri dari tiap citra
yang diambil. Kemudian user menginputkan data kedalam sistem lalu sistem akan memproses data citra untuk mengetahui
nilai warna pada tiap citra. Setelah user mendapatkan nilai pada tiap citra lalu sistem akan memproses memgunakan metode
K-means Clustering. Dengan adanya sistem itu menghasilkan nilai akurasi sebesar 94,4%, maka sistem ini layak dipakai
produsen untuk membedakan layak jual dan tidak layak jual.
dan jumlah penduduk. Menurut hasil survai BPS (2001), konsumsi sayuran di Indonesia meningkat dari 31,790kg pada tahun
1996 menjadi 44,408kg per kapita per tahun pada tahun 1999. Artinya bahwa selain kuantitas, permintaan sayuran juga
meningkat secara kualitas. Namun dilain pihak, pengembangan komoditas sayuran secara kuantitas dan kualitas dihadapkan
pada semakin sedikitnya informasi tentang sayuran yang layak jual, terutama di Kabupaten Jember. Salah satu cara untuk
menghasilkan produk yang berkualitas tinggi secara continue dengan kualitas yang tinggi per tanamannya adalah budidaya
dengan sistem hidroponik.
Dengan adanya itu maka peneliti akan membuat sistem pendukung keputusan kualitas mutu tanaman selada air
hidroponik terhadap nilai jual di Kabupaten Jember dengan tujuan dapat membantu menentukan kualitas selada air
hidroponik yang baik dengan metode K-Means Clustering. Metode ini digunakan untuk mengklasifikasi ciri dari tiap citra
yang diambil. Kemudian user menginputkan data kedalam sistem lalu sistem akan memproses data citra untuk mengetahui
nilai warna pada tiap citra. Setelah user mendapatkan nilai pada tiap citra lalu sistem akan memproses memgunakan metode
K-means Clustering. Dengan adanya sistem itu menghasilkan nilai akurasi sebesar 94,4%, maka sistem ini layak dipakai
produsen untuk membedakan layak jual dan tidak layak jual.
Copyright ©2020 Jurusan Teknologi Informasi - Politeknik Negeri Malang.
References
Derisma, dkk. 2010. “Identifikasi Kematangan Buah
Tomat Menggunakan Metode Back Propagation”.
Mardoko Saparudi, 2015.“Klasifikasi Citra Daun
Tanaman Menggunakan Metode Extreme
Learning Machine”.
Mulato ,Febry Yuni. 2015. Klasifikasi Kematangan
Buah Jambu Biji Merah ( Psidium Guajava)
Dengan Menggunakan Model . Yogyakarta :
Universitas Negeri.
Nango, Dwi Noviati 2012. Penerapan Algoritma Kmeans untuk Clustering Data
Anggaran Pendapatan Belanja Daerah di Kabupaten
XYZ.
Salahuddin, Sri Hartati, 2012.”Sistem Pendukung
Keputusan Dalam Menentukan Supplier Jeruk
Pontianak Berbasis Fuzzy-AHP”Sella Kusumaningtyas, (2016). “Identifikasi
Kematangan Buah Tomat Berdasarkan Warna
Menggunakan Metode Jaringan Syaraf Tiruan
(JST)”. Skripsi Mahasiswa D4 Teknik
Informatika Politeknik Negeri Malang.
Sutoyo. 2009. “Teori Pengolahan Citra Digital”.
Yogyakarta; Penerbit Andi.
Handoko, Agus Purwo dan Yustina Retno Wahyu
Utami, 2009. “Pengenalan Buah Berdasarkan
Karakteristik Warna Citra”.
Rahmaningtyas, Vannia Dewi, 2016. “Pengaruh
Konsentrasi Pupuk Daun Dan Beberapa Macam
Larutan Nutrisi Terhadap Pertumbuhan Dan Hasil
Tanaman Selada Kriting ( Lettuce GRAND
RAPIDS BLACK SEED ) Pada Sistem NFT”.
Tomat Menggunakan Metode Back Propagation”.
Mardoko Saparudi, 2015.“Klasifikasi Citra Daun
Tanaman Menggunakan Metode Extreme
Learning Machine”.
Mulato ,Febry Yuni. 2015. Klasifikasi Kematangan
Buah Jambu Biji Merah ( Psidium Guajava)
Dengan Menggunakan Model . Yogyakarta :
Universitas Negeri.
Nango, Dwi Noviati 2012. Penerapan Algoritma Kmeans untuk Clustering Data
Anggaran Pendapatan Belanja Daerah di Kabupaten
XYZ.
Salahuddin, Sri Hartati, 2012.”Sistem Pendukung
Keputusan Dalam Menentukan Supplier Jeruk
Pontianak Berbasis Fuzzy-AHP”Sella Kusumaningtyas, (2016). “Identifikasi
Kematangan Buah Tomat Berdasarkan Warna
Menggunakan Metode Jaringan Syaraf Tiruan
(JST)”. Skripsi Mahasiswa D4 Teknik
Informatika Politeknik Negeri Malang.
Sutoyo. 2009. “Teori Pengolahan Citra Digital”.
Yogyakarta; Penerbit Andi.
Handoko, Agus Purwo dan Yustina Retno Wahyu
Utami, 2009. “Pengenalan Buah Berdasarkan
Karakteristik Warna Citra”.
Rahmaningtyas, Vannia Dewi, 2016. “Pengaruh
Konsentrasi Pupuk Daun Dan Beberapa Macam
Larutan Nutrisi Terhadap Pertumbuhan Dan Hasil
Tanaman Selada Kriting ( Lettuce GRAND
RAPIDS BLACK SEED ) Pada Sistem NFT”.