Klasifikasi Kualitas Benih Sawit Menggunakan Metode Naïve Bayes di PPKS Marihat
DOI:
https://doi.org/10.65371/metrokom.v2i2.133Kata Kunci:
Naïve Bayes, klasifikasi,, Benih, Kelapa Sawit, Matriks Kebingungan, PPKS MarihatAbstrak
Kelapa sawit merupakan salah satu komoditas perkebunan penting di Indonesia, sehingga kualitas benih menjadi faktor utama keberhasilan produksi. Masalah utama di lapangan adalah penentuan kualitas benih masih dilakukan secara manual, yang memakan waktu lama dan rentan terhadap kesalahan manusia. Oleh karena itu, penelitian ini bertujuan untuk meminimalkan kesalahan manusia dan mendukung pengambilan keputusan dalam menentukan prioritas penanaman benih unggul melalui klasifikasi kualitas benih kelapa sawit menggunakan algoritma Naïve Bayes. Model dibangun berdasarkan tiga parameter utama, yaitu kadar air, kelembaban ruang penyimpanan, dan durasi penyimpanan benih. Hasilnya diberi label kategori kualitas rendah, sedang, dan tinggi. Hasil pengujian menggunakan pembagian model 80% data pelatihan (130 data) dan 20% data pengujian (32 data), menunjukkan bahwa model Naïve Bayes menghasilkan akurasi 91% dari 162 dataset. Hasil klasifikasi menunjukkan bahwa 38 titik data termasuk dalam kategori kualitas rendah, 55 dalam kategori sedang, dan 56 dalam kategori tinggi. Hasil penelitian sebaiknya lebih berorientasi pada pernyataan mengenai kemampuan Naïve Bayes dalam mengklasifikasikan jenis biji kelapa sawit, sehingga dapat digunakan sebagai model rekomendasi dalam penentuan jenis kelapa sawit.
Referensi
Agustina, N., Citra, D. herlina, Purnama, W., Nisa, C., & Kurnia, A. R. (2022). The Implementation of Naïve Bayes Algorithm for Sentiment Analysis of Shopee Reviews on Google Play Store Implementasi Algoritma Naive Bayes untuk Analisis Sentimen Ulasan Shopee pada Google Play Store. 2(April), 47–54. https://doi.org/https://doi.org/10.57152/malcom.v2i1.195
Ernita, M., Utama, M. Z. H., Muarif, J., Agroteknologi, D., Pertanian, F., & Padang, U. T. (2023). Ernita et. al. Pengaruh Zat Pengatur Tumbuh Alami dan Sintetik terhadap Pertumbuhan Bbit Kelapa Sawit (Elaeis guineensis Jacq) di Pre Nusery. AGROTEK: Jurnal Ilmiah Ilmu Pertanian, 7(2), 186–194. https://doi.org/10.33096/agrotek.v7i2.356
Erumwenbibi, I., Yakubu, Ubara, & Eke. (2022). Breaking Seed Dormancy : Effect of Heat and Vimpel ® on Oil Palm Seed Germination ( EIaeis guineensis Jacq ). Journal of Applied Sciences and Environmental Management, 26(September), 1463–1466. https://doi.org/https://dx.doi.org/10.4314/jasem.v26i9.1 Open
Fauzia, N. S., & Dana, R. D. (2023). Implementasi Algoritma Naive bayes dalam Klasifikasi Status Kesejahteraan Masyarakat Desa Gunungsari. Blend Sains Jurnal Teknik, 1. https://doi.org/https://doi.org/10.56211/blendsains.v1i4.234
Gumi, I. P. Wi. K. G., Hartatik, & Syafrianto, A. (2022). Perbandingan Algoritma Naïve Bayes dan Decision Tree Pada Sentimen Analisis. 1, 1–15. https://doi.org/https://doi.org/10.59095/ijcsr.v1i2.11
Handayani, R., & Purnomo, A. S. (2024). Penerapan Teorema Bayes Untuk Mendiagnosa Hama dan Penyakit Pada Tanaman Kelapa Sawit. 4(2). https://doi.org/https://doi.org/10.58794/jekin.v4i2.737
Hasibuan, A. Z., Putri, H. A., & Purba, F. N. (2025). Effect of Heating and Soaking Time with KNO 3 on Breaking Dormancy of Oil Palm Seeds ( Elaeis guineensis Jacq .). 158, 8. https://doi.org/https://doi.org/10.1051/bioconf/202515803004
Jefri, & Fatah, Z. (2025). KLASIFIKASI DATA MINING UNTUK MEMPREDIKSI KELULUSAN MAHASISWA. Jurnal Ilmiah Multidisiplin Ilmu, 2(1), 29–37. https://doi.org/https://doi.org/10.69714/mhjq1v85 KLASIFIKASI
Marcelina, D., Yulianti, E., & Mair, Z. R. (2022). Penerapan Metode Forward Chaining Pada Sistem Pakar Identifikasi Penyakit Tanaman Kelapa Sawit. Jurnal Ilmiah Informatika Global, 13(Agustus 2022). https://doi.org/10.36982/jiig.v13i2.2299
Mawaddah, W. J., Gunawan, I., & Sari, I. P. (2022). Implementasi Algoritma Data Mining untuk Klustering Data Hasil Panen Kelapa Sawit Implementation of Data Mining Algorithm for Clustering of Palm Oil Harvested Data. JOMLAI: Journal of Machine Learning and Artificial Intelligence, 1(1), 43–54. https://doi.org/10.55123/jomlai.v1i1.163
Muharis, A., Faisal, Nasruddin, Jamidi, & Rafli, M. (2022). Pematahan Dormansi Benih Kelapa Sawit ( Elaeis guineensis Jacq .) dengan Skarifikasi Mekanik dan Kimia Pendahuluan Metode Penelitian Hasil dan Pembahasan. Jurnal Ilmiah Mahasiswa Agroekoteknologi, 1(2), 43–48. https://doi.org/10.29103/jimatek.v1i2.8465
Nadarajah, U. M., & Nawi, I. A. M. (2023). Heat treatment application on oil palm seed- a review. Tropical Agriculture, 100(2 SE-Review Papers), 127–135. https://journals.sta.uwi.edu/ojs/index.php/ta/article/view/8439
Purnomo, N., Riko Muhammad Suri, Devi Yuliana, & M. Rasyid. (2023). Sistem Pakar Identifikasi Penyakit Kulit Melanoma dengan Metode Teorema Bayes. Jurnal KomtekInfo, 10(2 SE-Articles), 56–63. https://doi.org/10.35134/komtekinfo.v10i2.368
Rahmawati, A. (2023). Keragaman Genetik Varietas Kelapa Sawit ( Elaeis guineensis Jacq . ). Jurnal Kridatama Sains Dan Teknologi, 05(1), 35–40. https://doi.org/10.53863/kst.v5i01.677
Ratih, I. D., Retnaningsih, & Dewi. (2022). Klasifikasi Kualitas Tanah Menggunakan Metode Naive Bayes Classifier. JAMS (Jurnal Aplikasi Matematika Dan Statistik, 1(1), 11–20. https://doi.org/https://doi.org/10.53625/jams.v1i1.4227
Sarang, P. (2023). Naive Bayes, A Supervised Learning Algorithm for Classification. In Thinking Data Science: A Data Science Practitioner’s Guide (pp. 143–152). Springer International Publishing. https://doi.org/10.1007/978-3-031-02363-7_7
Senika, A., Rasiban, & Iskandar, D. (2022). Implementasi Metode Naïve Bayes Dalam Penilaian Kinerja Sales Marketing Pada PT . Pachira Distrinusa. Jurnal Media Informatika Budidarma, 6, 701–709. https://doi.org/10.30865/mib.v6i1.3331
Suendri, Aprilia, R., Br. Rambe, R., & Zakaria, N. H. (2025). Machine Learning-Based Naïve Bayes Classification of Pineapple Productivity : A Case Study in North Sumatra. INTENSIF: Jurnal Ilmiah Penelitian Dan Penerapan Teknologi Sistem Informasi, 9(2), 315–327. https://doi.org/https://doi.org/10.29407/intensif.v9i2.24034 Machine
Syahril, D. P., Shofa, S. H., & Fitri, N. (2023). Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN. Jurnal KomtekInfo, 10(1 SE-Articles), 1–7. https://doi.org/10.35134/komtekinfo.v10i1.330
Widiastuti, N., Hermawan, A., & Avianto, D. (2023). Implementasi metode naïve bayes untuk klasifikasi data blogger. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 8(3), 985–994. https://doi.org/https://doi.org/10.29100/jipi.v8i3.3713
Zakwan, Mahyunis, Faisal, B., Sembiring, A. S., & Noor, F. (2024). PENGARUH SUHU PEMANASAN PADA STASIUN KERNEL SILO DRYER TERHADAP MUTU KERNEL DI PABRIK KELAPA SAWIT PT. XYZ. Jurnal Teknik Pengolahan Hasil Perkebunan Kelapa Sawit Dan Karet, 6(1). https://doi.org/https://doi.org/10.47199/jaf.v6i1.246
