Sapi merupakan salah satu hewan ternak yang menjadi komoditi utama bahan pangan di Indonesia. Sangat penting mengetahui penyakit yang menjangkit Sapi, hal ini dikarenakan banyak bagian tubuh Sapi yang dapat dimanfaatkan oleh masyarakat, khususnya untuk bahan pangan seperti daging, kulit, dan susu Sapi. Namun dengan banyaknya populasi Sapi yang ada dapat meningkatkan potensi terjangkitnya penyakit Sapi. Hal ini kurang diperhatikan oleh Peternak Sapi dan dapat menyebabkan berkurangnya produktifitas pada peternakan Sapi. Kurangnya pengetahuan peternak Sapi mengenai berbagai penyakit Sapi yang sering menyerang Sapi serta solusi penanganannya menjadi salah satu alasan manajemen kesehatan peternak Sapi dirasa cukup menyulitkan peternak Sapi. Klasifikasi penyakit sapi secara cepat dan tepat akan membantu peternak Sapi. Pada penelitian ini menggunakan metode klasifikasi K-Nearest Neighbor (KNN) dengan seleksi fitur F-Score. Metode KNN digunakan untuk klasifikasi penyakit sapi berdasarkan nilai K tetangga yang akan dihitung jarak antara data latih dan data uji, sedangkan seleksi fitur F-Score digunakan untuk mengurangi dimensi atribut agar mendapatkan atribut yang relevan. dataset yang digunakan yaitu data penyakit Sapi dengan jumlah data 350 yang terdiri dari 21 fitur dan 7 kelas. Data dipecah dengan menggunakan K-fold Cross Validation dengan menggunakan k=5. Hasil yang didapatkan dengan menggunakan metode seleksi fitur F-Score dan model klasifikasi K-Nearest Neighbor yaitu dengan jumlah fitur = 18 dan KNN (k=3) yang menghasilkan akurasi sebesar 94.28571, recall 0.942857 dan precision 0.942857.


Deskripsi Lain

Cattle is one of the livestock that become the main commodity of food in Indonesia. It is important to know the disease that infected the cow, this is due to many parts of cow body that can be utilized by the community, especially for food such as meat, leather, and milk cow. But with the abundance of cattle existing populations can increase the potential of the infection of cattle disease. It is less noticed by cattle farmers and can lead to reduced productivity on cattle farms. Lack of knowledge of cow farmers about various diseases of cattle that often attack cows and their handling solutions is one reason for the health management of cattle farmers is considered quite difficult for cattle farmers. A quick and precise classification of cow diseases will help cattle farmers. The study used the K-Nearest Neighbor (KNN) Classification method with the F-Score feature selection. The KNN method is used for the classification of cow diseases based on the neighboring K values which will be calculated the distance between the training data and test data, while the F-Score selection feature is used to reduce the attribute dimensions in order to obtain the relevant attributes. DataSet used is cow disease data with the amount of data 350 consisting of 21 features and 7 classes. Data is broken down using K-fold Cross Validation using k = 5. The results obtained using the F-Score feature selection method and the K-Nearest Neighbor classification model were the number of features = 18 and KNN (K = 3) which resulted in an accuracy of 94.28571, recall 0.942857 and precision 0.942857.

• Pengenalan Obyek Berbasis Deep Learning Dengan Menggunakan Convolutional Neural Network
• Pengenalan Wajah Menggunakan Metode Preprocessing Image Fusion dan Ekstraksi Fitur Modified Two Dimensional Linear Discriminant Analysis
• IMPLEMENTASI SELEKSI FITUR INFORMATION GAIN DAN KLASIFIKASI REGRESI LOGISTIK UNTUK DIAGNOSA PENDERITA GINJAL KRONIS
• Multi-class Seleksi Fitur F-Score Berbasis Statistik dan K-nearest Neighbor untuk Diagnosa Penyakit Sapi
• SISTEM PENCARIAN TEKS AL-QURAN TERJEMAHAN BERBAHASA INDONESIA DENGAN METODE DICE SIMILARITY DAN NAZIEF DAN ADRIANI