PERBANDINGAN METODE NMC DENGAN K-NN UNTUK PEMILIHAN BIBIT KELAPA DALAM

Abstract

Pemilihan bibit kelapa yang berkualitas tinggi sangat penting untuk mendukung produktivitas dan keberlanjutan pertanian kelapa. Dalam penelitian ini, kami membandingkan dua metode klasifikasi, yaitu Nearest Mean Classifier (NMC) dan K-Nearest Neighbors (K-NN), untuk mengidentifikasi bibit kelapa lokal yang unggul. NMC bekerja dengan menghitung rata-rata fitur dari setiap kelas dan mengklasifikasikan data uji berdasarkan kedekatan ke rata-rata ini. Sebaliknya, K-NN mengklasifikasikan data uji berdasarkan mayoritas label dari k tetangga terdekatnya dalam ruang fitur. Dataset yang terdiri dari berbagai parameter morfologi dan genetik bibit kelapa lokal, kemudian menerapkan kedua metode klasifikasi tersebut.Hasil penelitian menunjukkan bahwa metode NMC memberikan akurasi sebesar 0,56, sementara metode K-NN hanya mencapai akurasi sebesar 0,22. Hasil ini mengindikasikan bahwa NMC lebih unggul dalam mengklasifikasikan bibit kelapa lokal dibandingkan K-NN