%0 Thesis
%9 Skripsi
%A Risna, NIM: 21206052010
%B FAKULTAS SAINS DAN TEKNOLOGI
%D 2023
%F digilib:62055
%I UIN SUNAN KALIJAGA YOGYAKARTA
%K Kelapa Sawit, Ekstraksi Fitur, Klasifikasi, K-Nearest Neighbor, Particle Swarm Optimization
%P 94
%T OPTIMASI METODE K-NEAREST NEIGHBOR (K-NN) MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) DALAM MENGKLASIFIKASIKAN KEMATANGAN BUAH SAWIT
%U https://digilib.uin-suka.ac.id/id/eprint/62055/
%X Proses optimasi merupakan bagian penting dari berbagai komponen. Optimasi bertujuan untuk menentukan solusi terbaik. Penelitian ini melakukan optimasi metode K-Nearest Neighbor (K-NN) menggunakan metode Particle Swarm Optimization (PSO) untuk mendapatkan nilai k yang optimal. Dataset lokal yang terdiri dari 160 data dengan pembagian  60 data buah mentah, 50 data buah setengah matang, dan 50 data buah matang. Proses awal telah digunakan fitur warna, bentuk, dan tekstur sebagai ekstraksi fitur. Selanjutnya, algoritma K-NN untuk klasifikasi dan di optimasi memakai metode PSO. Pengujian metode K-NN dan K-NNPSO dilakukan dengan dua metode yaitu Cofusion Matric Multi Class sebagai pengujian akurasi dan metode Analisis Kompleksitas Waktu Asimptotik dengan eksperimental dan theoritis sebagai pengujian algoritma. Hasil akurasi K-NN dengan menggunakan nilai k yang otomatis dari python yaitu k = 5 adalah 73% pada jarak Euclidean, 78% jarak Manhattan, 73% jarak Minkowski dan 71% pada jarak Chebyshev. Setelah dilakukan proses optimasi menggunakan PSO sehingga mendapatkan nilai k yang optimal adalah k = 1 akurasi meningkat menjadi 88% jarak Euclidean, 88% jarak Manhattan, 88% jarak Minkowski, dan 80% jarak Chebyshev. Pada pengujian algoritma secara eksperimental K-NN mendapatkan Runtime 0.48 detik sedangkan K-NNPSO hanya 0.34 detik pada saat keduanya mencari nilai k optimal. secara theoritis dapat digambarkan dengan notasi Big-O pada K-NN adalah O(n) sedangkan K-NNPSO adalah O(n2), hal ini membuktikan bahwa K-NNPSO lebih cepat karena iterasi yang dijalankan lebih sedikit saat mencari nilai k optimal.
%Z Pembimbing: Ir. Maria Ulfah Siregar, S. Kom., MIT., Ph.D.