Optimasi K-Nearest Neighbour Menggunakan Particle Swarm Optimization pada Sistem Pakar untuk Monitoring Pengendalian Hama pada Tanaman Jeruk

Abstrak

Jeruk di Indonesia merupakan salah satu komoditas nasional memiliki potensi daya saing yang tinggi dalam perekonomian lokal hingga ke luar negeri. Namun produksi Jeruk Indonesia sejak 2006 sampai 2015 mengalami penurunan. Salah satu penyebab penurunan ini adalah hama. Oleh karena itu dibutuhkan suatu sistem yang dapat memonitor pengendalian hama pada tanaman Jeruk. Metode PSO-KNN merupakan salah satu metode yang dapat digunakan untuk menyelesaikan masalah klasifikasi dengan banyak fitur. Metode ini adalah gabungan dari 2 metode yaitu K-Nearest Neighbour dan Particle Swarm Optimization. K-Nearest Neighbour (KNN) digunakan untuk mengklasifikasikan hama berdasarkan perhitungan kemiripan dari data yang sudah ada. Particle Swarm Optimization (PSO) digunakan untuk melakukan optimasi nilai k dan seleksi fitur pada dataset KNN dan kemudian mengevaluasi akurasi yang dihasilkan pada KNN. Dari hasil pengujian yang telah dilakukan dapat diambil kesimpulan bahwa nilai dari parameter PSO yang terbaik yaitu iterasi sebesar 151, popsize yaitu 25, nilai c1 yaitu 1, nilai c2 yaitu 1,2 dan nilai w yaitu 0,9. Terjadi peningkatan akurasi pada sebelum dan sesudah optimasi yaitu akurasi tertinggi pada KNN mencapai 90%, dan akurasi tertinggi pada PSO-KNN mencapai 96,25%. Adanya peningkatan akurasi menunjukkan bahwa PSO mampu memperbaiki kekurangan yang ada pada KNN.