PENERAPAN SELEKSI FITUR INFORMATION GAIN DAN KNN UNTUK KLASIFIKASI HAMA DAN PENYAKIT TANAMAN KEDELAI

Tanaman kedelai merupakan komoditas pangan utama di Indonesia. Permintaan akan kedelai semakin meningkat karena kedelai mampu menjadi alternatif bagi masyarakat yang berminat pada makanan berprotein nabati rendah kolestrol. Namun ada berbagai faktor kendala yang harus dihadapi dalam budidaya kedelai salah satunya karena terserang gangguan hama dan penyakit yang menyebabkan gagal panen. Dalam mengidentifikasi hama dan penyakit, petani mengalami keterbatasan minimnya pengetahuan dalam mengidentifikasi. Untuk mengatasi hal tersebut dibutuhkan suatu sistem yang dapat mengklasifikasi hama dan penyakit secara dini sehingga meningkatkan produktivitas petani dalam budidaya tanaman kedelai. Dalam penelitian ini dibuat sebuah sistem untuk klasifikasi hama dan penyakit tanaman kedelai menggunakan metode seleksi fitur Information Gain dan KNN. Information Gain adalah seleksi fitur yang dapat memberikan bobot pada setiap fitur sehingga ditemukan fitur yang paling dominan. Sedangkan KNN adalah metode klasifikasi dengan mencari data terdekat dengan K tetangga terdekat dalam pelatihan data.Dari pengujian yang dilakukan dengan menggunakan 352 data 22 jenis penyakit dan hama serta 70 gejala tanaman kedelai tahun 2019 memperoleh hasil rata-rata akurasi terbaik pada nilai K=10, dari seluruh skenario nilai uji coba fitur information gain yaitu 91,4725 dengan 6 fitur.