Sistem Pendukung Keputusan Diagnosis Penyakit Tanaman Kacang Tanah Berbasis K-Nearest Neighbors
DOI:
https://doi.org/10.52072/jutekinf.v14i1.1916Kata Kunci:
KNN, Peanut Disease, Decision Support System, Prediction, Web ApplicationAbstrak
This study aims to design and develop a web-based decision support system to detect diseases in peanut plants using the K-Nearest Neighbor method. The research was conducted in Kelurahan Tolo, Kelara District, Jeneponto Regency, an area with significant peanut farming activity. The system was developed to enable farmers to independently identify plant diseases based on observed symptoms without relying entirely on agricultural experts. The dataset used in this study consisted of 50 samples, including 40 training data and 10 testing data. The prediction process was carried out using the K-Nearest Neighbor algorithm with a parameter value of k = 3, as it provided the most suitable classification results. System performance was evaluated using a confusion matrix along with precision, recall, and F1-score calculations to measure the effectiveness of the proposed method. The results indicate that the system is capable of identifying peanut plant diseases with good accuracy. The implementation of this system can help farmers obtain disease information more quickly, reduce errors in pesticide application, and improve the effectiveness of plant treatment, thereby supporting agricultural productivity.
Keywords: KNN; peanut disease; decision support system; prediction; web application
Unduhan
Referensi
Ardimansyah, A., Husain, T., Herlinda, H., Kasmawaru, K., & Nurdiansah, M. (2024). Implementasi metode hybrid filtering technique. Jurnal Teknologi Terpadu, 10(1), 7–13.
Ali Mahendra, A., Suranti, D., Fredricka, J., & Lebar Bengkulu, S. (2023). Sistem pendukung keputusan calon penerima BPJS-PBI pada Dinas Sosial Kota Bengkulu menggunakan metode K-Nearest Neighbor (KNN). Jurnal Media Infotama, 19(2), 391.
Anam, M. K., Pikir, B. N., & Firdaus, M. B. (2021). Penerapan Naïve Bayes classifier, K-Nearest Neighbor (KNN), dan decision tree untuk menganalisis sentimen pada interaksi netizen dan pemerintah. MATRIK: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, 21(1), 139–150. https://doi.org/10.30812/matrik.v21i1.1092
Budiarti, D., Nasution, Y. R., & Putri, R. A. (2025). Pemetaan kriminologi terhadap pencurian sepeda motor menggunakan algoritma K-Means clustering (Studi kasus: Polsek Desa Aek Batu, Kec. Torgamba, Kab. Labuhanbatu Selatan). Journal of Science and Social Research, 2. http://jurnal.goretanpena.com/index.php/JSSR
Harahap, R. R. (2023). Penerapan metode K-Nearest Neighbor dalam sistem pendukung keputusan kelayakan penerima bantuan raskin pada pemberdayaan dan kesejahteraan keluarga Desa Secanggang.
Hidayat, M. T., & Laluma, R. H. (2022). Penerapan metode K-Nearest Neighbor untuk klasifikasi gizi balita. Infotronik: Jurnal Teknologi Informasi dan Elektronika, 7(2), 64. https://doi.org/10.32897/infotronik.2022.7.2.1702
Husain, H., Suryani, S., & Faizal, F. (2025). Advancing parking systems: A performance comparison of MobileNet and Canny in license plate detection. CogITo Smart Journal, 11(1), 67–79. https://doi.org/10.31154/cogito.v11i1.767.67-79
Husain, H., Thalib, S. B., Ahmad, A., & A. A. (2019). Development of analog-based online electronic learning models in improving students learning outcomes in informatics engineering study programs. TEM Journal, 8(1).
Jalaja, T., Adilakshmi, T., Reddy, M. D., & Kamal, K. S. (n.d.). Empowering agriculture: A machine learning-based decision support system for crop selection and profitability analysis. International Journal of Intelligent Systems and Applications in Engineering.
Jaya, U. B., Nasri, E., & Aw, A. S. (2020). Aplikasi seleksi penentuan nasabah untuk penjualan barang secara kredit dengan algoritma K-Nearest Neighbor. Jurnal, 4(1).
Karima, R. A., & Fatah, Z. (n.d.). Implementasi metode K-Nearest Neighbor untuk klasifikasi penyakit paru-paru pada anak. Jurnal Ilmiah Multidisiplin Ilmu. https://doi.org/10.69714/yx4smf68
Khatib Sulaiman, J., Pongdatu, G. A., & Rusman, J. (n.d.). Klasifikasi penyakit pada tanaman kopi arabika menggunakan metode K-Nearest Neighbor berbasis citra. Indonesian Journal of Computer Science.
Khoirudin, F. (2023). Sistem pendukung keputusan pemilihan smartphone menggunakan metode K-Nearest Neighbor (KNN) berbasis web. Jurnal Ilmiah Teknologi Sistem Informasi, 4(2). http://jurnal-itsi.org
Kurniadi, D., Nuraeni, F., & Hazar, A. F. (2024). Aplikasi sistem prediksi mahasiswa penerima beasiswa berbasis web dengan menerapkan model klasifikasi K-Nearest Neighbors. Jurnal Algoritma, 21(1), 68–79. https://doi.org/10.33364/algoritma/v.21-1.1424
Lestari, U. I., Nadhiroh, A. Y., & Novia, C. (2021). Penerapan metode K-Nearest Neighbor untuk sistem pendukung keputusan identifikasi penyakit diabetes melitus. Jurnal, 8(4). http://jurnal.mdp.ac.id
Rismawan, T., Irawan, A. W., Prabowo, W., & Kusumadewi, S. (2008). Sistem pendukung keputusan berbasis Pocket PC sebagai penentu status gizi menggunakan metode K-Nearest Neighbor. Jurnal, 13(2), 18–23.
Setyawan, W., Hidayat, R., Nurcahya, K., & Hidayat, F. (n.d.). Penerapan metode K-Nearest Neighbor untuk pemilihan rekomendasi film. Technology and Informatics Insight Journal. https://jurnal.universitasputrabangsa.ac.id/index.php/tiij
Silvia, N., Cahyani, T., Hidayat, N., & Santoso, E. (2023). Klasifikasi penyakit tanaman kacang tanah menggunakan metode MKNN (Modified K-Nearest Neighbor). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 7(3). http://j-ptiik.ub.ac.id
Syahputra Tanjung, B., & Nababan, L. (2024). Klasifikasi penjualan pupuk menggunakan metode K-Nearest Neighbor. Jurnal Info Digit, 2(3A). http://kti.potensi-utama.ac.id/index.php/JID
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Teknologi Komputer dan Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Seluruh artikel dalam Jurnal Teknologi Komputer dan Informasi dilisensikan di bawah lisensi Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). Pengguna diperbolehkan untuk berbagi, menyalin, dan menyebarkan ulang materi dalam media atau format apa pun dengan ketentuan mencantumkan kredit, tidak digunakan untuk tujuan komersial, dan tidak melakukan modifikasi terhadap karya.
