Data Mining Pada Klasifikasi Jamur Menggunakan Algoritma C.45 Berdasarkan Karakteristik Morfologi Mushroom
DOI:
https://doi.org/10.31294/simpatik.v4i1.3529Kata Kunci:
Algoritma C4.5, Jamur, KlasifikasiAbstrak
Jamur merupakan salah satu bahan pangan yang populer di Indonesia, namun tidak semua jamur dapat dikonsumsi karena beberapa jenis jamur bersifat racun. Oleh karena itu, diperlukan metode untuk mengklasifikasikan jamur menjadi dapat dimakan dan beracun. Penelitian ini bertujuan untuk melakukan klasifikasi jamur menggunakan algoritma klasifikasi data mining yaitu algoritma C.45 berdasarkan karakteristik morfologi jamur. Data jamur dikumpulkan dari berbagai sumber dan memiliki 22 atribut, termasuk bau, warna cetakan spora, akar tangkai, ukuran insang, dan jarak insang. Algoritma C.45 digunakan untuk membangun pohon keputusan yang dapat mengklasifikasikan jamur. Hasil penelitian menunjukkan bahwa algoritma C.45 memiliki akurasi sebesar 99.90%. Interpretasi pohon keputusan menunjukkan bahwa jamur yang memiliki : berbau amis, apak, busuk, creosof, menyengat, pedas, dan tidak berbau, warna cetakan spora hijau dan putih, akar tangkai klub dan bulat, ukuran insang sempit dan jarak insang dekat adalah jamur beracun. Sementara itu, jamur yang tidak memiliki karakteristik tersebut adalah jamur yang dapat dimakan. Kesimpulannya, algoritma C.45 dapat digunakan sebagai metode efektif untuk mengklasifikasikan jamur dan membantu masyarakat dalam membedakan jamur yang dapat dimakan dan beracun
Referensi
Arhami, M., Kom, M., & Muhammad Nasir, S. T. (2020). Data Mining-Algoritma dan Implementasi. Penerbit Andi
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). Knowledge Discovery and Data Mining: Towards a Unifying Framework. www.aaai.org
Halling, R., Buchanan, P., Yun, W., & Cole, A. (2004). Edible and poisonous mushrooms of the world By Ian R. Hall, Steven L. Stephenson, Peter K. Buchanan, Wang Yun, Anthony L. J. Cole. 2003. Brittonia, 56, 150. https://doi.org/10.1663/0007-196X(2004)056[0150:EAPMOT]2.0.CO;2
Hawksworth, D. L., & Rossman, A. Y. (1997). Where Are All the Undescribed Fungi? Phytopathology®, 87(9), 888–891. https://doi.org/10.1094/PHYTO.1997.87.9.888
Ihsan, I., & Yusuf, F. (2013). Analisis Jamur Beracun Berdasarkan Ciri Menggunakan Algoritma AdaBoost. https://www.researchgate.net/publication/332440445_jurnal_KONIK_2013_Indah_Purwitasari_Ihsan?enrichId=rgreq-3799739def172eaa051431a6b51c16fa-XXX&enrichSource=Y292ZXJQYWdlOzMzMjQ0MDQ0NTtBUzo3NDgyMDA5MTA2ODAwNjZAMTU1NTM5NjQwNjEyOA%3D%3D&el=1_x_2&_esc=publicationCoverPdf
Khatun, S., Islam, A., Cakilcioglu, U., & Chatterjee, N. C. (2012). Research on Mushroom as a Potential Source of Nutraceuticals: A Review on Indian Perspective. In Review Article American Journal of Experimental Agriculture (Vol. 2, Issue 1). www.sciencedomain.org
Lancet. (1980). Mushroom Poisoning. The Lancet, 316(8190), 351–352. https://doi.org/10.1016/S0140-6736(80)90346-3
Mayadewi, P., & Rosely, E. (2015). Prediksi Nilai Proyek Akhir Mahasiswa Menggunakan Algoritma Klasifikasi Data Mining. SESINDO 2015, 2015.
Nor Sarizan, F. H., Mustapha, M. F., Kairan, O., Mohd Bakhary, N. N., Azmira, N. H., & Ab Hamid, S. H. (2021). Analysis of identifying mushroom species using RapidMiner. Journal of Mathematics and Computing Science (JMCS), 7(2), 23–30.
Ortega, J., Lagman, A. C., Natividad, L. R. Q., Bantug, E. T., Resureccion, M. R., & Manalo, L. O. (2020). Analysis of performance of classification algorithms in mushroom poisonous detection using confusion matrix analysis. International Journal, 9(1.3).
Reece, J. B., Urry, L. A., Cain, M. L., Wasserman, S. A., Minorsky, P. V., Jackson, R. B., & Campbell, N. A. (2014). Campbell biology (Tenth edition). Pearson Boston.
Rosela, Y. (2019). IMPLEMENTASI KLASIFIKASI DECISION TREE MENGANALISA STATUS PENJUALAN BARANG MENGGUNAKAN C4. 5 (Studi Kasus: Pt. Matahari Department Store Medan Mall). Pelita Informatika: Informasi Dan Informatika, 7(3), 404–411.
Rudiyanto, A. R., Pujiono, P., Soeleman, M. A., & Mustagfirin, M. (2023). Performance of the Decision Tree Algorithm in the Classification of Edible and Poisonous Mushrooms with Information Gain Optimization. Scientific Journal of Informatics, 10(4), 549–558.
Saputri, R. P. (n.d.). Penerapan Data Mining Technique sebagai Evaluasi Ketepatan Akurasi terhadap Klasifikasi Mushroom Data Set. Institut Teknologi Sepuluh Nopember.
Tangirala, S. (2020). Evaluating the impact of GINI index and information gain on classification using decision tree classifier algorithm. International Journal of Advanced Computer Science and Applications, 11(2), 612–619.
Ucha Putri, S., Irawan, E., Rizky, F., Tunas Bangsa, S., -Indonesia Jln Sudirman Blok No, P. A., & Utara, S. (2021). Implementasi Data Mining Untuk Prediksi Penyakit Diabetes Dengan Algoritma C4.5. In Januari (Vol. 2, Issue 1).
UCI Machine Learning Repository. (1981). Mushroom. UCI Machine Learning Repository. https://doi.org/https://doi.org/10.24432/C5959T
Wati, C. M., Fauzan, A. C., & Harliana, H. (2022). Performance Comparison Of Mushroom Type Classification Based On Multi-Scenario Dataset Using Decision Tree C4. 5 And C5. 0. Jurnal Riset Informatika, 4(3), 247–258.
Zubair, A., & Muslikh, A. (2017). IDENTIFIKASI JAMUR MENGGUNAKAN METODE K-NEAREST NEIGHBOR DENGAN EKSTRAKSI CIRI MORFOLOGI. Seminar Nasional Sistem Informasi (SENASIF), 1(1). https://www.jurnalfti.unmer.ac.id/index.php/senasif/article/view/15
##submission.downloads##
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Rofi Fathurrohman, Miftahul Fajri, Salman M Cahyono, Dzulqa Fauzan Abdillah, Vinan Ramadhan
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
 
