IMPLEMENTASI ALGORITMA DATA MINING UNTUK MENENTUKAN PENGGUNAAN LOBSTER PADA FRESHWATER LOBSTER CILACAP

• Kabul Eka Prasetya

---

ABSTRAK

Teknik budidaya merupakan salah satu aspek penting dalam pengembangan lobster terutama untuk lobster air tawar. Untuk memperoleh hasil yang optimal diperlukan berbagai teknik pembudidayaan lobster air tawar. Meskipun berbagai teknik sudah dilakukan namun masih saja ditemukan kendala-kendala yang menghambat aktivitas pembenihan. Salah satu kendala dalam pembudidayaan lobster adalah informasi yang terbatas tentang proses reproduksi indukan serta siklus hidupnya. Pada Freswater Lobster Cilacap saat ini mengalami kendala untuk mengklasifikasi lobster untuk dijadikan indukan ataupun konsumsi. Tujuan dari penelitian ini adalah untuk menganalisa algoritma klasifikasi data mining sehingga menghasilkan nilai akurasi yang paling tinggi untuk klasifikasi jenis penggunaan lobster air tawar dengan menggunakan algoritma Naïve Bayes. Dalam mengklasifikasi  lobster konsumsi dan indukan di Freshwater Lobster dapat menggunakan Teknik data mining, pada penelitian ini memperoleh nilai akurasi tertinggi dengan menggunakan algoritma NB. Nilai yang didapat dari algoritma NB mendapatkan hasil akurasi 89,14%, precision senilai 88,46%, recall 90,79% dan AUC sebesar 0,967

KATA KUNCI

Klasifikasi,Algoritma,Data Mining

---

DAFTAR PUSTAKA

[1]      D. Hartama et al., “Ekspor Perikanan Nasional Menggunakan Software Ibm,” Jurasik (Jurnal Ris. Sist. Inf. dan Tek. Inform., vol. 2, no. 1, p. 46, 2018, [Online]. Available: https://core.ac.uk/download/pdf/234768379.pdf.

[2]      A. Johar, A. Vatresia, and L. Martasari, “Aplikasi Business Intelligence ( Bi ) Data Pasien Rumah Sakit M .Yunus Menggunakan Metode Olap ( Online Analytical Processing ),” Rekursif, vol. 3, no. Bisnis Intelijen, pp. 12–22, 2015.

[3]      N. Z. Husni and I. Mukhlash, “Implementasi Business Intelligence Pada Manajemen Report Bank XYZ,” J. Sains Dan Senni Pomits, vol. 3, no. Bisnis Intelijen, pp. 16–21, 2014, [Online]. Available: https://ejurnal.its.ac.id/index.php/sains_seni/article/view/7923/1998.

[4]      M. Fauzi, A. P. Prasetyo, I. Hargiyatno, F. Satria, and A. A. Utama, “Hubungan Panjang-Berat dan Faktor Kondisi Lobster Batu (Panulirus penicillatus) di Perairan Selatan Gunung Kidul dan Pacitan,” BAWAL Vol 5 no. 2 Agustus 2013 97-102, vol. 5, no. 2, pp. 97–102, 2013, doi: 10.15578/bawal.5.2.2013.97-102.

[5]      E. Erlania, I. N. Radiarta, and J. Haryadi, “Status Pengelolaan Sumberdaya Benih Lobster Untuk Mendukung Perikanan Budidaya: Studi Kasus Perairan Pulau Lombok,” J. Kebijak. Perikan. Indones., vol. 8, no. 2, p. 85, 2017, doi: 10.15578/jkpi.8.2.2016.85-96.

[6]      M. Khalil, I. Ramadhani, and E. Ayuzar, “Observasi aktivitas pengeraman telur dan perkembangan larva lobster air tawar (Cherax Quadricarinatus),” Acta Aquat. Aquat. Sci. J., vol. 51, no. 1, pp. 45–51, 2018, doi: https://doi.org/10.29103/aa.v5i1.717.

[7]      M. Ilmi, A. Mahmudi, and Y. Agus Pranoto, “Prediksi Penjualan Bibit Ikan Air Tawar Pada Ibat Pandaan Menggunakan Metode Trend Moment,” JATI (Jurnal Mhs. Tek. Inform., vol. 4, no. 2, pp. 222–229, 2020, doi: 10.36040/jati.v4i2.2704.

[8]      M. R. Matondang, M. R. Lubis, and H. Satria, “Analisis Data mining dengan Metode C . 45 pada Klasifikasi Kenaikan Rata-Rata Volume Perikanan Tangkap,” BRAHMANA J. Penerapan Kecerdasan Buatan, vol. 2, no. 2, pp. 74–81, 2021, [Online]. Available: http://tunasbangsa.ac.id/pkm/index.php/brahmana/article/view/68/68.

[9]      H. Darmanto, “Introduction To Fish Species Based on Otolith Conture Using the Convolutional Neural Network,” Joined J., vol. 2, no. 1, pp. 41–59, 2019, [Online]. Available: http://publication.petra.ac.id/index.php/teknik-informatika/article/view/8062.

[10]    S. M. Khoiroh, S. Mundari, R. Sofianto, and A. Septiana, “Pengaruh Digital Marketing, Profitability, Literasi Keuangan, Dan Pendapatan Terhadap Keputusan Investasi Lat (Lobster Air Tawar) Di Indonesia,” Tek. Eng. Sains J., vol. 3, no. 2, p. 71, 2019, doi: 10.51804/tesj.v3i2.473.71-76.

[11]    M. T. Habibie, “Penggunaan Metode Logika Fuzzy Untuk Memprediksi Produksi Benih Lobster Air Tawar ( Lat ),” Fakt. Exacta, vol. 10, no. 1, pp. 70–77, 2017.

[12]    N. A. Hasibuan et al., “Implementasi Data Mining Untuk Pengaturan Layout,” vol. 4, no. 4, pp. 6–11, 2017.

[13]    H. Sulastri and A. I. Gufroni, “Penerapan Data Mining Dalam Pengelompokan Penderita Thalassaemia,” J. Nas. Teknol. dan Sist. Inf., vol. 3, no. 2, pp. 299–305, 2017, doi: 10.25077/teknosi.v3i2.2017.299-305.

[14]    V. Kotu and B. Deshpande, Predictive Analytics and Data Mining: Concepts and Practice with Rapidminer. Morgan Kaufmann., 2015.

[15]    L. Muflikhah, D. E. Ratnawati, and R. Regasari, Data Mining, 1st ed. Malang: UB Press, 2018.

[16]    S. Huber, H. Wiemer, D. Schneider, and S. Ihlenfeldt, “DMME: Data mining methodology for engineering applications - A holistic extension to the CRISP-DM model,” Procedia CIRP, vol. 79, pp. 403–408, 2019, doi: 10.1016/j.procir.2019.02.106.

[17]    W. D. Septiani, “Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Penyakit Hepatitis,” None, vol. 13, no. 1, pp. 76–84, 2017, doi: 10.33480/pilar.v13i1.149.

[18]    S. A. Putri and R. S. Wahono, “Integrasi SMOTE dan Information Gain pada Naive Bayes untuk Prediksi Cacat Software,” J. Softw. Eng., vol. 1, no. 2, pp. 86–91, 2015, [Online]. Available: https://www.researchgate.net/profile/Sukmawati-Anggraeni-Putri/publication/323771404_Integrasi_SMOTE_dan_Information_Gain_pada_Naive_Bayes_untuk_Prediksi_Cacat_Software/links/5aaa004f0f7e9b88266f6eb0/Integrasi-SMOTE-dan-Information-Gain-pada-Naive-Bayes-u.

[19]    A. Franseda, “Integrasi Metode Decision Tree dan SMOTE untuk Klasifikasi Data Kecelakaan Lalu Lintas Integration of Decision Tree and SMOTE Methods for Classification of Traffic Accidents Data,” JUSTIN (Jurnal Sist. dan Teknol. Informasi) Vol., vol. 08, no. 3, 2020, doi: 10.26418/justin.v8i3.40982.

[20]    D. D. Junianto, F. Ramdani, and D. Pramono, “Sistem Informasi Penentuan Lokasi Pembangunan Kawasan Industri di Kabupaten Mojokerto Menggunakan Metode Multi-Creteria Evaluation,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 9, pp. 2476–2484, 2018, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/2329.

[21]    C. A. Sugianto, “Penerapan Teknik Data Mining Untuk Menentukan Hasil Seleksi Masuk Sman 1 Cibeber Untuk Siswa Baru Menggunakan Decision Tree,” Tedc, vol. 9, pp. 39–43, 2015.

[22]    A. Andriani, “Kerangka preprocessing data untuk prediksi hasil siswa dengan teknik data mining,” Semin. Nas. Teknol. Inf. dan Komun. Terap. 2015, pp. 14–16, 2015.

[23]    M. Iqbal, W. Usino, and T. Triono, “Sistem Pendukung Keputusan Menentukan Hasil Budidaya Udang Vaname Dengan Metode Algoritma C4.5 (Pt Anugerah Sumber Laut Jaya),” J. Tekno Insentif, vol. 14, no. 1, pp. 28–39, 2020, doi: 10.36787/jti.v14i1.148.