JIMP : Jurnal Informatika Merdeka Pasuruan Vol.7 No.2 Agustus 2022, P-ISSN : 2502-5716, E-ISSN : 2503-1945
Terakreditasi Peringkat Sinta 4 berdasarkan Petikan dari Keputusan Menteri Riset dan Teknologi/ Kepala Badan Riset dan Inovasi Nasional Nomor 200/M/KPT/2020, masa berlaku mulai Vol.3 No.1 tahun 2018 s.d Vol.7 No.2 tahun 2022
72 DOI http://dx.doi.org/10.51213/jimp.v7i2.514
Klasifikasi Kualitas Ikan Nilem Berdasarkan Ukuran Menggunakan Algoritma Naive Bayes
Rima Rahmawati Syawal1, Lingga Pratama2, Tri Wahyuni3, Daffa Ghany Passa4
1,2,3,4 Sistem Informasi Kelautan, Universitas Pendidikan Indonesia, Jl. Dr.Setiabudi No.299, Jawa Barat, Indonesia
1rimarahmawati.s@upi.edu
2linggapratama36@upi.edu
3triwahyuni@upi.edu
4dappaghany19@upi.edu
Received: 22-06-2022; Accepted: 27-08-2023; Published: 09-09-2023
Abstrak— Indonesia memiliki keanekaragaman jenis ikan yang paling tinggi, sekitar 45% dari jumlah jenis global di dunia.
Ikan memiliki keberagaman ukuran, bentuk, habitat serta distribusi jenis. Pemisahan ikan nilem dengan cara manual kerap mendapati kesalahan-kesalahan pada pemisahan.
Penelitian kami bertujuan untuk melakukan prediksi klasifikasi kualitas ikan nilem berdasarkan ukuran. Metode yang dapat digunakan dalam mengklasifikasikan data yaitu Naive Bayes yang ditemukan oleh seorang ilmuwan dari Inggris Thomas Bayes. Hasil dari prediksi data testing menunjukan kualitas yaitu nilai 0 untuk belum dewasa dan nilai 1 untuk dewasa.
Pada penelitian ini memberikan nilai prediksi yang dapat dikatakan sangat akurat. Berdasarkan hal tersebut penelitian ini berhasil memprediksi kualitas ikan nilem berdasarkan ukuran.
Kata kunci
—
Data Mining, Naive Bayes, Kualitas Ikan, Klasifikasi, dan Ikan NilemAbstract— Indonesia has the highest diversity of fish species, about 45% of the global number of species in the world. Fish have a variety of sizes, shapes, habitats and species distribution.
Separation of nilem fish by manual method often finds errors in the separation. Our study aims to predict the quality classification of nilem fish based on size. The method that can be used in classifying data is Naive Bayes which was discovered by a scientist from England, Thomas Bayes. The results of the prediction of the testing data show the quality, namely the value of 0 for children and a value of 1 for adults. In this study, it provides a predictive value that can be said to be very accurate.
Based on this, this study succeeded in predicting the quality of nilem fish based on size.
Kata kunci
—
Data Mining, Naive Bayes, Fish Quality, Classification, and Nilem FishI. PENDAHULUAN
Indonesia merupakan negara dengan kepulauan terbesar mencapai hampir 75% dari Indonesia berupa lautan [1].
Mengutip data dari KKP (Kementrian Kelautan dan Perikanan, 2016) Banyak sekali potensi yang Indonesia miliki di bidang maritim dan kekayaan lautnya [2].
Indonesia memiliki keanekaragaman jenis ikan yang paling tinggi, sekitar 45% dari jumlah jenis global di dunia.
Diperkirakan jenis ikan yang berada di perairan air tawar
ada sekitar 1300 ekor dan sisanya sebagian besar berada di kawasan perairan asin [1].
Ikan nilem merupakan salah satu ikan air tawar. Ikan nilem biasanya dijadikan beraneka ragam produk baik itu siap santap maupun ikan basah dan saat ini dapat dijadikan sebagai ikan terapi.
Ikan memiliki keberagaman ukuran, bentuk, habitat serta distribusi jenis [1]. Ukuran dari struktur tubuh ikan pada bagian-bagian tertentu disebut morfometrik. Panjang total, panjang sirip dada, tinggi badan, panjang baku, panjang kepala, dan lain lain merupakan karakter morfometrik [3].
Algoritma yang dapat digunakan untuk mengklasifikasikan satu diantara yang ada yaitu algoritma Naive Bayes. Ilmuan dari Inggris bernama Thomas Bayes mengemukakan Naive Bayes merupakan pengklasifikasian statistik melalui metode probabilitas, dan Teorema Bayes merupakan memprediksi peluang berdasarkan dari masa sebelumnya untuk masa depan. Teorema dapat dikombinasikan oleh Naive yang diperkirakan kondisi antar atribut saling bebas. Memiliki ciri atau tidak sebuah kelas tidak ada sangkutpautnya pada ciri dari kelas lainnya yang diasumsikan klasifikasi Naive Bayes [4].
Pemisahan ikan nilem dengan cara manual kerap mendapati kesalahan-kesalahan pada pemisahan.
Kesalahan dalam pemisahan antara nilem dewasa dan belum dewasa berdasarkan ukuran mengakibatkan kegagalan dalam produksi dikarenakan dapat berpengaruh pada tingkat kematangan suatu produk yang berbeda-beda, kemudian dapat memicu kesalahan dalam proses memasak ikan yang berujung pada kerugian.
Banyak peneliti sebelumnya telah sukses dalam menerapkan algoritma Naive Bayes pada klasifikasi seperti, kelayakan penerima bantuan sembako, penjualan obat, waktu studi mahasiswa, nasabah asuransi, dan masih banyak lagi. Penelitian kami bertujuan untuk melakukan prediksi klasifikasi kualitas ikan nilem berdasarkan ukuran dengan menggunakan algoritma Naive Bayes. Prediksi kualitas ikan nilem yang digunakan terdapat dua kelas, yakni belum dewasa dan dewasa. Data prediksi menggunakan data sampel dari ikan nilem yang diukur mandiri. Pada penelitian ini algoritma Naive Bayes dianalisa serta juga diterapkan menggunakan aplikasi berbasis web yang sudah berkembang.
73 DOI http://dx.doi.org/10.51213/jimp.v7i2.514 II. METODOLOGI PENELITIAN
Salah satu metode yang dapat digunakan dalam mengklasifikasikan data yaitu Naive Bayes yang ditemukan oleh seorang ilmuwan dari Inggris Thomas Bayes. Metode ini menghitung probablitas numerik memiliki ketentuan jika nilai keputusan adalah benar, berlandaskan informasi obyek [5].
Persamaan metode Naive Bayes : 𝑃(𝐻|𝑋) = 𝑃(𝑋|𝐻). 𝑃(𝐻)
𝑃(𝑋) Keterangan :
X = Data berupa kelas belum diketahui.
H = Hipotesis data kelas yang spesifik.
P (H | X) = Probabilitas hipotesis kelas (H, target) berdasarkan kondisi X (Probabilitas Posterior).
P (H) = Probabilitas hipotesis (Prior Probability).
P (X | H) = Probabilitas berdasarkan pada keadaan hipotesis.
P (X) = Probabilitas X.
Kelebihan penggunaan dari metode ini adalah dapat menentukan estimasi paremeter hanya dengan jumlah data pelatihan (Data Training) yang sedikit dalam proses pengklasifikasian. Naive Bayes juga kerap bertindak maksimal umumnya dalam keadaan dunia nyata yang rumit dari pada yang diinginkan [6].
Penelitian ini menerapkan beberapa tahap metode penelitian yaitu :
1. Analisis Masalah dan Studi Pustaka
Tahap ini merupakan tindakan pertama dalam menyusun rumusan masalah yang akan dibahas pada penelitian. Pada penelitian ini meninjau sebuah permasalahan yaitu kesalahan dalam pemisahan ikan nilem. Permasalahan yang didapatkan selanjutnya dianalisa untuk mengetahui cara penyelesaian serta menentukan ruang lingkup permasalahan yang akan diteliti. Melalui jurnal-jurnal sebelumnya dapat mempelajari dasar konsep dan teori mengenai algoritma Naive Bayes, data mining untuk melakukan penelitian ini.
2. Mengumpulkan Data
Tahapan yang dilakukan dalam mengumpulkan data mengenai penelitian dengan melakukan pengukuran struktur tubuh ikan nilem pada bagian-bagian tertentu atau biasa disebut morfometrik ikan nilem. Hasil dari data morfometrik tersebut kemudian dianalisa untuk menyesuaikan proses pengolahan data dengan algoritma Naive Bayes Classifier.
3. Implementasi dan Pengujian
Implementasi adalah sebuah tahapan pengolahan data serta pengujian yang dilakukan pada sebuah tools. pada penelitian ini Tools yang dipakai untuk implementasi yaitu aplikasi Jupyter Notebook. Selanjutnya dari hasil olahan data tersebut diuji untuk mengetahui keakuratan data.
Selanjutnya data akan dijadikan sebagai informasi kualitas ikan nilem untuk memisahan ikan nilem berdasarkan kualitasnya.
III. HASIL DAN PEMBAHASAN
A. Data Olah
Data yang dipakai adalah dataset ikan nilem yang diukur mandiri. Dataset ini memiliki 200 ekor ikan nilem dengan 7 atribut. Atribut yang digunakan sebagai data uji (variabel x) merupakan morfometrik ikan yakni panjang total (PT), panjang sirip dada (PSD), tinggi badan (TB), panjang baku (SL), panjang kepala (PK). Sedangkan atribut data independen (variabel y) menggunakan atribut ke-7 yaitu nilai Kualitas yang memiliki 2 nilai. Nilai 0 untuk belum dewasa dan nilai 1 untuk dewasa. Berikut adalah nilai atribut.
Gambar 1. Atribut
B. Penerapan Algoritma Naive Bayes
Tahap pertama yang dilakukan adalah import library yang diperlukan yaitu pandas, numpy, time dan library untuk visualisasi data yaitu plotly, matplotlib, sklearn, dan jcopml.
Gambar 2. Import Library
Library pandas akan membaca data yang berformat Comma Separated Value (.CSV).
Gambar 3. Membaca Data Morfometrik
Ubah data yang berformat text menjadi integer atau numerik dengan cara cleaning data. Data yang diubah untuk klasifikasi kualitas ikan nilem berdasarkan ukuran adalah data atribut kualitas. Data atribut kualitas diubah menjadi 2 nilai. Nilai 0 untuk belum dewasa dan nilai 1 untuk dewasa.
Gambar 4. Cleaning Data
74 DOI http://dx.doi.org/10.51213/jimp.v7i2.514 Import algoritma Naive Bayes dan import model yang
akan digunakan yaitu Gaussian Naive Bayes.
Gambar 5. Import Algoritma dan Model
Memuat data variabel y kedalam variabel x.
Gambar 6. Memuat Data Variabel y kedalam Variabel x
Membagi data training dan data testing dengan test size 0.2 dan random state 123.
Gambar 7. Membagi Data Training dan Data Testing
Lakukan accuracy data. Hasil pengujian menggunakan tools python untuk klasifikasi kualitas ikan nilem berdasarkan ukuran dengan dataset 200 sampel, dihitung menjadi 40 data testing dan 160 data training. Data training memiliki accuracy 0.988 dikarnakan ada 2 data ikan yang sebenarnya belum dewasa tetapi diprediksi dewasa dan data testing memiliki accuracy sangat baik yaitu 100%
artinya tidak ada kesalahan.
Gambar 8. Confusion Matrix
Lakukan data testing dan prediksi dari data testing. Hasil dari prediksi data testing yaitu untuk nomor 51 dengan PT 5.5, TB 2.3, PK 1.7, SL 3.8, PSD 0.85 diprediksi belum dewasa; untuk nomor 149 dengan PT 14.9, TB 4.5, PK 3.5, SL 11.4, PSD 2.29 diprediksi dewasa; begitu pula yang lainnya. Nilai 0 untuk belum dewasa dan nilai 1 untuk dewasa.
Gambar 9. Data Testing dan Prediksi
IV. KESIMPULAN
Dalam penelitian ini sudah dapat diketahui Algoritma Naive Bayes Classifier adalah metode klasifikasi sederhana biasa dipakai dalam menghitung kisaran probabilitas dengan menambahkan frekuensi serta menggabungkan nilai - nilai dataset yang ditentukan. Hasil akurasi data testing mengenai prediksi klasifikasi kualitas ikan nilem berdasarkan ukuran sangat baik yaitu 100% yang berarti tidak ada kesalahan. Menurut penelitian yang telah dilakukan, hasil uji algoritma Naive Bayes Classifier menentukan kualitas ikan nilem belum dewasa atau dewasa.
Selain itu, pada penelitian ini memberikan nilai prediksi yang dapat dikatakan sangat akurat. Berdasarkan hal tersebut penelitian ini berhasil memprediksi kualitas ikan nilem berdasarkan ukuran.
REFERENSI
[1] S. H. J. Putra and E. Da Costa, “Studi Morfometrik Ikan Hasil Tangkapan Nelayan,” J. Pembelajaran Biol. Kaji. Biol. dan Penbelajarannya, vol. 8, no. 1, pp. 21–27, 2021.
[2] B. A. B. Pendahuluan and L. Belakang, “METODE NAÏVE BAYES memperoleh gelar Sarjana Teknik Nama : Faizal Andy Susilo 2018,” 2018.
[3] L. Pariyanto, Nasral, “Keanekaragaman dan Karakteristik Morfometrik Ikan Air Tawar yang Terdapat Di Sungai Air Manna Kecamatan Pino Kabupaten Bengkulu Selatan Provinsi Bengkulu,”
J. BIOEDUSCIENTIFIC PPs UNMUH BENGKULU, vol. 2, p. 21, 2021.
[4] O. : Bustami, “PENERAPAN ALGORITMA NAIVE BAYES UNTUK MENGKLASIFIKASI DATA NASABAH ASURANSI.”
[5] A. Damuri, U. Riyanto, H. Rusdianto, and M. Aminudin,
“Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako,” J. Ris.
Komputer), vol. 8, no. 6, pp. 2407–389, 2021, doi:
10.30865/jurikom.v8i6.3655.
[6] A. Saleh, “Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga,” Creat.
Inf. Technol. J., vol. 2, no. 3, pp. 207–217, 2015.
This is an open access article under the CC–BY-SA license.
