TEKNIK GENETIC MODIFIED K-NEAREST NEIGHBOR UNTUK ESTIMASI HASIL PRODUKSI GULA TEBU BERDASARKAN NILAI KLOROFIL DAUN TEBU

Abstract

Pada umumnya, taksasi (estimasi) hasil produksi gula didasarkan pada luas area, masa tanam, faktor
panjang leng, jumlah batang/leng, tinggi batang, bobot batang, dan rendemen. Faktor rendemen sangat
berpengaruh terhadap kualitas gula (manis atau tidak), sedangkan faktor yang lain hanya mempengaruhi
kuantitas gula. Salah satu tolak ukur produksi gula maupun rendemen dapat dilihat dari nilai klorofil daun
tebu. Klorofil juga memiliki peranan yang sangat penting bagi proses fotosintesis. Untuk itu, dalam
penelitian taksasi produksi gula tebu ini didasarkan pada nilai klorofil daun tebu. Dalam penelitian ini,
performa algoritma Modified k-Nearest Neighbor (MKNN) ditingkatkan dengan cara mengoptimalkan nilai
k dengan menggunakan algoritma genetika, yang selanjutnya algoritma tersebut dinamakan dengan
algoritma Genetic Modified K-Nearest Neighbor (GMKNN). Tujuan dari penelitian ini adalah GMKNN
sebagai algoritma baru digunakan untuk melakukan estimasi hasil produksi gula tebu berdasarkan nilai
klorofil daun tebu. Dari sejumlah uji coba, terbukti bahwa klorofil (Model2) dapat digunakan untuk
melakukan taksasi, walaupun memiliki hasil yang kurang baik dibandingkan ketika tidak menggunakan
klorofil (Model1). Model2 unggul pada percobaan dengan menggunakan 95 data, Model2 juga terbukti
memiliki perbedaan yang signifikan dberdasarkan uji T. Kinerja algoritma GMKNN lebih baik dari pada
MKNN dengan nilai MSE terkecil sebesar 3737 pada percobaan dengan menggunakan 95 data, dan MSE
terbesar sebesar 2053730 pada percobaan dengan menggunakan 201 data, namun GMKNN juga memiliki
kekurangan, yaitu komputasi tinggi, terjebak pada optimum lokal, sedangkan kekurangan MKNN adalah
penentuan nilai ambang batas dalam mendapatkan nilai similaritas antar data latih yang masih manual
pada kasus estimasi.