Hidayah, Maulia Wijiyanti (2019) Klasifikasi aromaterapi berbahan rempah-rempah Indonesia dengan menggunakan algoritma K-Nearest Neighbor / Maulia Wijiyanti Hidayah. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
RINGKASAN Hidayah Maulia Wijiyanti. 2018. Klasifikasi Aromaterapi Berbahan Rempah-Rempah Indonesia Dengan Menggunakan metode K-Nearest Neighbor (KNN). Proposal Skripsi. S1 Teknik Informatika Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing. (I) Dr. Eng. Muhammad Ashar S.T. M.T. (II) I Made Wirawan S T. S.S.T. M.T. Kata kunci aromaterapi rempah k-nearest neighbor. Indonesia merupakan negara yang memiliki keanekaragaman tanaman dengan banyak manfaat. Terdapat 31 jenis tanaman obat sebagai bahan baku industri obat tradisional (jamu) industri non jamu dan rempah. Tumbuhan rempah ini dapat memproduksi minyak esensial. Minyak esensial merupakan salah satu produk dari aromaterapi. Aromaterapi dapat diartikan sebagai salah satu terapi komplementer yang digunakan untuk menjaga kesehatan tubuh manusia. Aromaterapi memiliki berbagai macam hasil produk seperti minyak esensial lilin spa body lotion parfum dan obat-obatan untuk kesehatan lainnya. Dari semua produk tersebut memiliki kandungan rempah yang berbedabeda sehingga rempah-rempah akan diklasifikasikan secara tepat agar dapat menghasilkan produk aromaterapi. Ini perlu bahwa aromaterapi dapat diklasifikasi menggunakan Tetangga K-Nearest untuk mengklasifikasikan aromaterapi dari rempah-rempah Indonesia. dikarenakan Algoritma K-Nearest Neighbor memiliki kelebihan dan Kekurangan. Kelebihan algoritma K-Nearest Neighbor mampu mengklasifikasikan data dalam jumlah yang besar dan banyak. K-Nearest Neighbor juga tangguh terhadap training data yang memiliki banyak noise. Berdasarkan kelebihan pada metode K-Nearest Neighbor maka dilakukan penelitian Klasifikasi Aromaterapi Berbahan Rempah Indonesia Bagi Kesehatan dengan metode K-Nearest Neighbor. Untuk mendapatkan hasil dari klasifikasi aromaterapi dengan akurasi yang tinggi. Hasil akurasi yang dikeluarkan oleh algoritma K-Nearest Neighbor adalah 97 5% data pengujian menggunakan confusion matrix yang akan diikuti oleh pengujian front end dan back end yang menyatakan hasil valid untuk usability dan desain aplikasi dengan hasil valid untuk menguji algoritma yang telah dibuat dan digunakan memiliki hasil yang sama dengan menggunakan aplikasi tools weka hasil akurasi 97 5 %. Penelitian ini akan menghasilkan produk seperti aplikasi android yang dapat diakses oleh pengguna android. 4
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) > TIN Software Engineering |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 04 Mar 2019 04:29 |
| Last Modified: | 09 Sep 2019 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/48082 |
Actions (login required)
 |
View Item |