Klasifikasi Harga Ikan Koi Berdasarkan Jumlah Corak dan Ukuran Menggunakan Algoritma K-Nearest Neighbor

Authors

  • Amalia Rahma Dini Sihombing Universitas Pendidikan Indonesia
  • Ilsa Margiana Herawati Universitas Pendidikan Indonesia
  • Naddra Haddad Lubis Universitas Pendidikan Indonesia
  • Willdan Aprizal Arifin Universitas Pendidikan Indonesia

DOI:

https://doi.org/10.32528/justindo.v10i1.2011

Keywords:

K-Nearest Neighbors (KNN), Klasifikasi Harga, Ikan Koi, Jumlah Corak, Ukuran Ikan

Abstract

Penelitian ini menggunakan algoritma K-Nearest Neighbors (KNN) untuk mengklasifikasikan harga ikan Koi berdasarkan jumlah corak dan ukuran ikan. Pengelompokan diperlukan karena kurang umumnya pengetahuan terhadap spesies ikan koi yang diminati. Data diambil dari dataset Kaggle yang mencakup 801 data harga, ukuran, dan jumlah corak ikan Koi. Studi literatur dilakukan untuk memahami algoritma KNN dan faktor-faktor yang mempengaruhi harga ikan Koi. Model KNN diterapkan untuk mengklasifikasikan harga menjadi tiga kategori: murah, sedang, dan mahal. Evaluasi model menunjukkan akurasi sebesar 75%, dengan precision bernilai 0,71 dan recall sebesar 0,80, menunjukkan efektivitas KNN dalam memprediksi harga ikan Koi. maka dapat disimpulkan bahwa metode K-Nearest Neighbors (KNN) dapat memprediksi kelas ikan berdasarkan jumlah corak dan ukuran ikan yang diuji dengan performa yang baik.

References

Afriyana, Y., Purnamasari, R. and Patmasari, R. (2018) 'Deteksi kelainan tulang belakang berdasarkan citra medis digital dengan menggunakan gray level co-occurrence matrix (GLCM) dan k-nearest neighbor (KNN)', Open Library Telkom University. Available at: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/7691 (Accessed: 12 July 2024).

Chanal, D., Steiner, N.Y., Petrone, R., Chamagne, D. and Péra, M.C. (2022) 'Online diagnosis of PEM fuel cell by fuzzy C-means clustering'.

Darmadi, H. (2013) Metode penelitian pendidikan. Bandung: Alfabeta.

Direktorat Jendral Perikanan Budidaya [DJPB] (2015) Laporan tahunan Direktorat Jendral Perikanan Budidaya. Direktorat Jendral Perikanan Budidaya.

Irfan, M., Dewi, W.U., Nisa, K. and Usman, M. (2023) 'Implementasi k-nearest neighbors, decision tree dan support vector machine pada data diabetes', Jurnal Mahasiswa Ilmu Komputer, 4(2), pp. 137-150.

Ishaqi, A.M.A. and Sari, P.D.W. (2019) 'Pemijahan ikan koi (Cyprinus carpio) dengan metode semi buatan: Pengamatan nilai fekunditas, derajat pembuahan telur dan daya tetas telur', Jurnal Perikanan dan Kelautan, 9(2).

Kurnia, H. and Redaksi AgroMedia (2002) Koi si ikan panjang umur. 1st edn. Depok: Agromedia Pustaka.

Kusrini, E., Cindelaras, S. and Prasetio, A.B. (2015) 'Pengembangan budidaya ikan hias koi (Cyprinus carpio) lokal di Balai Penelitian dan Pengembangan Budidaya Ikan Hias Depok', Media Akuakultur, 10(2). doi: 10.15578/ma.10.2.2015.71-78.

Skomal, G. (2008) The koi: An owner’s guide to a happy healthy fish. Turner Publishing Company.

Sofianti, N. (2018) 'Perbandingan kadar protein pada ikan bandeng (Chanos chanos) dengan perebusan menggunakan variasi waktu'.

Veronika, N. (2023) '14 jenis ikan koi dan harganya, mana yang termahal?', Gramedia.

Wu, X., Wang, S. and Zhang, Y. (2017) 'Survey on theory and application of k-nearest-neighbors algorithm', Comput. Eng. Appl., 53(21), pp. 1-7.

Zed, M. (2014) Metode penelitian kepustakaan. Yayasan Pustaka Obor Indonesia [Preprint].

Published

2025-03-06

Issue

Section

Articles