Klasifikasi Jamur dapat Dikonsumsi dan Beracun Menggunakan Model Bayesian Network

##plugins.themes.academic_pro.article.sidebar##

Published Feb 16, 2023
Download
PDF
Statistic
Vol. 8 No. 1 (2022): Seminar Nasional Teknik Elekto dan Informatika - September 2022

##plugins.themes.academic_pro.article.main##

Marselia Ghanyyu Wahdini
Universitas Hasanuddin
Nurul Fuady Adhalia H
Institut Teknologi Bacharuddin Jusuf Habibie
Armin Lawi
Program Studi Sistem Informasi, Universitas Hasanuddin, Makassar Program Studi Matematika, Institut Teknologi B.J. Habibie, Parepare

Abstract

Jamur merupakan salah satu jenis tanaman yang banyak tumbuh di Indonesia. Beberapa jenis jamur dapat dikonsumsi sebagai bahan makanan. Ada pula jenis jamur yang beracun (poisonous). Family Agaricus dan Lepiota umumnya bersifat beracun. Namun, family Agaricus dan Lepiota yang hidup di alam liar ada juga yang dapat dikonsumsi bahkan dapat dijadikan sebagai obat. Membedakan kedua jamur ini ke dalam kelas yang dapat dikonsumsi ataupun beracun masih sangat sukar dilakukan. Salah satu cara dalam membedakannya adalah dengan mengetahui secara tepat spesies dari jamur tersebut. Penelitian ini bertujuan untuk mengklasifikasikan jamur yang dapat dikonsumsi dan beracun menggunakan model Bayesian Network. Model dibuat menggunakan algoritma Chow-Liu yang terdiri dari 21 variabel independent, 1 variabel class, dan 8.124 data. Sebanyak 80% dari data yang ada dijadikan sebagai data training dan sisanya digunakan sebagai data testing. Hasil yang diperoleh menunjukkan bahwa data training serta data testing menghasilkan akurasi sebesar 99% dan 98% secara berturut-turut. Hal ini mengindikasikan bahwa model Bayesian Network dapat mengklasifikasi jamur yang dapat dikonsumsi dan beracun dengan sangat baik.

##plugins.themes.academic_pro.article.details##

References

  1. Annisa, I., & Ekamawanti, H. A. (2017). Keanekaragaman Jenis Jamur Makroskopis di Arboretum Sylva Universitas Tanjungpura. Jurnal Hutan Lestari, 5(4).
  2. Laessøe, T., & Lincoff, G. (2002). Mushrooms. Univ of California Press.
  3. Putra, B. M. (2008). Klasifikasi Jamur ke dalam Kelas Dapat Dikonsumsi atau Beracun Menggunakan Algoritma VFI5 (Studi kasus: famili Agaricus dan Lepiota).
  4. Wibowo, A., Rahayu, Y., Riyanto, A., & Hidayatulloh, T. (2018, March). Classification algorithm for edible mushroom identification. In 2018 International Conference on Information and Communications Technology (ICOIACT) (pp. 250-253). IEEE.
  5. Verma, S. K., & Dutta, M. (2018). Mushroom classification using ANN and ANFIS algorithm. IOSR Journal of Engineering (IOSRJEN), 8(01), 94-100.
  6. Ulloa, M., & Hanlin, R. T. (2000). Illustrated dictionary of mycology. APS press.
  7. Mahendra, I. (2017). Inventarisasi jamur kelas basidiomycetes di Hutan Mandahan desa Tumbang Manjul Kecamatan Seruyan Hulu Kabupaten Seruyan (Doctoral dissertation, IAIN Palangka Raya).
  8. Heckerman, D. (1986). Probabilistic interpretations for MYCIN's certainty factors. In Machine intelligence and pattern recognition (Vol. 4, pp. 167-196). North-Holland.
  9. Lewis II, P. M. (1959). Approximating probability distributions to reduce storage requirements. Information and control, 2(3), 214-225.
  10. Swets, J. A. (1988). Measuring the accuracy of diagnostic systems. Science, 240 (4857), 1285-1293.