Sistem Rekomendasi Jenis Perangsang Buah Mangga Berdasarkan Data Fisiologis Tanaman Menggunakan Algoritma Naive Bayes

Authors

  • Pendi Maulana Universitas Nusantara PGRI Kediri Indonesia
  • Daniel Swanjaya Universitas Nusantara PGRI Kediri Indonesia
  • Resty Wulanningrum Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/qwsa6k90

Abstract

Peningkatan produktivitas tanaman mangga dapat dilakukan melalui pemberian perangsang buah yang tepat. Namun, dalam praktiknya, penentuan jenis dan dosis perangsang masih sering dilakukan berdasarkan pengalaman sehingga hasilnya belum optimal. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi berbasis data dengan memanfaatkan metode machine learning. Data yang digunakan mencakup kondisi fisiologis tanaman, seperti kondisi daun, fase pertumbuhan, tingkat serangan hama, serta tingkat kerontokan buah. Metode yang digunakan adalah klasifikasi menggunakan algoritma Naive Bayes, Logistic Regression, dan Gaussian Mixture Model. Dataset terdiri dari 350 data asli dan 1100 data sintetis untuk meningkatkan keseimbangan data. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memiliki performa terbaik dengan peningkatan akurasi dari 66,43% menjadi 76,59% setelah penggunaan data sintetis. Sistem rekomendasi yang dihasilkan diharapkan dapat membantu petani mangga dalam menentukan jenis dan dosis perangsang buah secara lebih tepat dan berbasis data sehingga meningkatkan produktivitas secara optimal.

Keywords:

data fisiologis, klasifikasi, machine learning, mangga, rekomendasi

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] E. Ariningsih, N. Ashari, H. P. Saliem, M. Maulana, and K. S. Septanti, "KINERJA AGRIBISNIS MANGGA GEDONG GINCU DAN POTENSINYA SEBAGAI PRODUK EKSPOR PERTANIAN UNGGULAN," Forum penelitian Agro Ekonomi, vol. 39, no. 1, p. 49, 2021, doi: 10.21082/fae.v39n1.2021.49-71.

[2] A. Sitanggang, D. Raharjo, and A. M. Fajri, "ANALISIS KOMODITAS UNGGULAN DAN STRATEGI PENGEMBANGAN TANAMAN BUAH TAHUNAN DI KABUPATEN CILACAP," Jurnal Inovasi Daerah, vol. 4, no. 2, pp. 105-118, 2025, doi: 10.56655/jid.v4i2.428.

[3] A. Okta, B. Margita, and W. Tyas, "Pengaruh Pemberian POC Tauge Dan Seresah Daun Bagi Pembuahan Jambu Air (Syzygium aqueum) Varietas Deli Hijau Dengan Teknik Tabulampot," SIMBIOSIS: Jurnal Sains Pertanian, vol. 2, no. 2, 2025, doi: 10.30599/simbiosis.v2i2.

[4] A. C. Amalia, S. Mubarok, and A. Nuraini, "Respons anggrek dendrobium terhadap perbedaan naungan dan aplikasi zat pengatur tumbuh," Kultivasi, vol. 21, no. 2, 2022, doi: 10.24198/kultivasi.v21i2.35029.

[5] F. Febriansyah and N. Nurmaleni, "Implementasi Algoritma Random Forest Berbasis Machine Learning Untuk Prediksi Klon Kopi Unggul," Jurnal Komtika (Komputasi dan Informatika), vol. 9, no. 2, pp. 230-239, 2025, doi: 10.31603/komtika.v9i2.15227.

[6] M. Muin and K. Kusmaladewi, "Efektivitas Peningkatan Pembelajaran Berbasis Kecerdasan Buatan," Jurnal Studi Guru dan Pembelajaran, vol. 8, no. 2, pp. 618-631, 2025, doi: 10.30605/jsgp.8.2.2025.5865.

[7] A. N. Fadillah and A. Selao, "Prediksi Hasil Pertanian Padi Menggunakan Regresi Linear Berbasis Web," Jurnal Pustaka Data, vol. 6, no. 2, 2026, doi: 10.55382/jurnalpustakadata.v6i2.1855.

[8] F. Purwaningtias, "Integrasi Transfer Learning pada Inception v3 untuk Identifikasi Otomatis Jenis Buah Tropis," JCOSIS (Journal Computer Science and Information System), 2025, doi: 10.61567/jcosis.v5i1.

[9] S. Helmiyah and R. Pramestiawan, "Analisis Komparatif Algoritma Machine Learning dengan Metrik Akurasi, Presisi, Recall, dan F1-Score pada Dataset Kacang Kering," Jurnal Ilmu Komputer dan Teknologi, vol. 6, no. 3, pp. 152-159, 2025, doi: 10.35960/ikomti.v6i3.2031.

[10] O. N. Cahyani and F. Budiman, "Performa Logistic Regression dan Naive Bayes dalam Klasifikasi Berita Hoax di Indonesia," Edumatic: Jurnal Pendidikan Informatika, vol. 9, no. 1, pp. 60-68, 2025, doi: 10.29408/edumatic.v9i1.28987.

Downloads

Published

2026-07-20

Issue

Vol. 10 No. 1 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

Section

Articles

License

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Sistem Rekomendasi Jenis Perangsang Buah Mangga Berdasarkan Data Fisiologis Tanaman Menggunakan Algoritma Naive Bayes. (2026). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 10(1), 470-480. https://doi.org/10.29407/qwsa6k90