Skripsi/Tugas Akhir

Implementasi Metode KNN (K-Nearest Neighbors) untuk Memprediksi Penyakit Tanaman Kacang Tanah pada Desa Lonjoboko Kec. Parangloe, Kab. Gowa

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Petani di Desa Lonjoboko, Kec. Parangloe, Kab. Gowa kesulitan mendeteksi penyakit kacang tanah secara akurat karena masih menggunakan metode manual. Penelitian ini mengimplementasikan sistem berbasis web dengan K-Nearest Neighbors (KNN) untuk memprediksi penyakit tanaman kacang tanah. Dataset terdiri dari 50 sampel yang diklasifikasikan ke dalam kategori Cercospora, Sclerotium, Virus, Bacterial Wilt, dan Sehat.Pengujian menggunakan Confusion Matrix menunjukkan 100% akurasi untuk kelas Sclerotium, Bacterial Wilt, dan Sehat. Kelas Cercospora memiliki 100% precision, 80% recall, dan 89% F1-score, sedangkan kelas Virus memperoleh 50% precision, 100% recall, dan 67% F1- score. Hasil ini menunjukkan bahwa KNN (k=3) dapat mengklasifikasikan sebagian besar penyakit dengan baik, meskipun masih ada kelemahan dalam mendeteksi penyakit Virus. Sistem ini membantu petani mendeteksi penyakit lebih cepat dan akurat, meningkatkan produktivitas, serta mengurangi kesalahan penggunaan pestisida.
Kata Kunci: Kacang Tanah, Penyakit Tanaman, K-Nearest Neighbors (KNN), Prediksi, Sistem Berbasis Web, Deteksi Penyakit

ABSTRACT
Farmers in Lonjoboko Village, Parangloe District, Gowa Regency struggle to accurately detect peanut plant diseases due to reliance on manual methods. This study implements a web-based system using K-Nearest Neighbors (KNN) to predict peanut plant diseases. The Dataset consists of 50 samples, classified into Cercospora, Sclerotium, Virus, Bacterial Wilt, and Healthy categories.Testing using the Confusion Matrix showed 100% accuracy for Sclerotium, Bacterial Wilt, and Healthy classes. The Cercospora class achieved 100% precision, 80% recall, and 89% F1-score, while the Virus class obtained 50% precision, 100% recall, and 67% F1-score. These results indicate that KNN (k=3) effectively classifies most diseases, though there are weaknesses in detecting Virus infections. This system helps farmers detect diseases faster and more accurately, improving productivity and reducing pesticide misuse.
Keywords: Peanuts, Plant Diseases, K-Nearest Neighbors (KNN), Prediction, WebBased System, Disease Detection

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 APR i - 0467SI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xv + 74 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 28 Februari 2025

Subjek

Skripsi/Tugas Akhir
K-Nearest Neighbor
Sistem Prediksi

Lampiran File