EJECTS : E-Journal Computer.
Technology and Informations System Vol.
3 No.
2 Maret 2024.
P-ISSN : 2988-5477 E-ISSN : 2988-4446 LPPM Universitas Darwan Ali Data Mining Menggunakan Metode Naive Bayes Untuk Menetapkan Standar Untuk Produk Minyak Sawit Mentah Abdul Sidik Universitas Darwan Ali Jl.
Batu Berlian No.
10 Sampit.
Kotawaringin Timur.
Kalimantan Tengah, 74321 Email : abdulsidik@gmail.
ABSTRACTAi As one of Indonesia's top producers of crude palm oil (CPO) and palm kernel oil (PKO).
PT.
Sawit Sumbermas Sarana.
Tbk, a palm oil processing factory, must generate high-quality raw materials.
The final processing results' content determines the final product's quality.
The content includes dirt content in the kernel, moisture content in the kernel , content of free fatty acids in the kernel, the bleaching power index on the kernel, beta carotene in the kernel, and broken kernel (Broken Ker.
The labor officer will then determine if the raw material meets these eight requirements.
KeywordsAi Palm Oil.
Quality Product.
Naive Bayes.
Data Mining.
ABSTRAKAi Sebagai salah satu produsen minyak sawit mentah (CPO) dan minyak inti sawit (PKO) terbesar di Indonesia.
PT.
Sawit Sumbermas Sarana.
Tbk, sebuah pabrik pengolahan kelapa sawit, harus menghasilkan bahan baku berMutu tinggi.
Kandungan hasil akhir pengolahan menentukan MUTU P akhir.
Kandungan tersebut meliputi kandungan kotoran pada kernel, kadar air pada kernel, kandungan asam lemak bebas pada kernel, indeks daya pemutihan pada kernel, beta karoten dalam kernel , dan kernel rusak.
Petugas tenaga kerja kemudian akan menentukan apakah bahan baku memenuhi delapan persyaratan ini.
Kata kunciAi Minyak Kelapa Sawit.
MUTU P.
Naive Bayes.
Data Mining.
PENDAHULUAN
Iklim tropis indonesia mendukung perluasan tanaman perkebunan.
Tumbuhan kelapa sawit adalah salah satu tanaman yang tumbuh subur di negara pulau sumatra dan kalimantan sebagian besar perkebunan pengolahan kelapa.
Fasilitas pengolahan minyak sawit di indonesia, produsen minyak sawit mentah dan minyak inti sawit terbesar di asia, diharuskan menyediakan bahan baku bermutu tinggi untuk memproduksi barang jadi bermutu Selain itu, mutu minyak sawit dan minyak inti sawit yang diproses dan diekspor di dalam negeri juga Biaya komoditas mentah tersebut.
Menghasilkan bahan baku bermutu tinggi, setiap produsen pks harus terus menilai hasil mutu p yang dipasok setiap hari .
hal mutu p bergantung pada hasil akhir proses.
komponen dalam kombinasi di atas adalah crude palm oil asam lemak bebas .
fa cp.
, bleaching index .
obi cp.
, beta carotene .
arotin cp.
, dirt kernel, moisture kernel, dan broken kernel.
Ada beberapa faktor-faktor yang mempengaruhi mutu minyak sawit .
pada PT.
Sawit sumbermas sarana dan faktor apa paling dominan mempengaruhi mutu minyak sawit pada pt.
sawit sumbermas sarana tbk Adapun tujuan penelitian ini Agar mengetahui faktorfaktor yang mempengaruhi mutu minyak sawit pada PT.
Sawit sumbermas sarana.
Pada data uji dilakukan klasifikasi atau pengelompokan data laboratorium II.
METODOLOGI PENELITIAN
Proses pemecahan masalah melibatkan sejumlah Secara umum, langkah-langkah tersebut mengidentifikasi antara lain masalah, tinjauan literatur, perumusan masalah yang ditemukan selama identifikasi masalah, dari desain dalam menentukan konsep yang akan digunakan, dalam pengumpulan data-data penelitian, penganalisis hasil, kesimpulan, dan rekomendasi.
Penelitian dilakukan dengan menggunakan langkahlangkah yang diuraikan dalam pembuatan jurnal ini.
Agar penelitian dapat dilakukan secara terarah dan sesuai dengan persyaratan ketentuan baku dalam suatu gagasan ilmiah, maka ditentukan tahapan penelitian.
Deskripsi setiap tahap mengidentifikasi masalah suatu tahapan awal dari mengatur terdapat masalah suatu objek tertentu dan dalam situasi tertentu dapat kita Mengidentifikasi sebagai suatu masalah .
Menelaah buku, artikel, catatan, dan hasil laporan yaitu.
Yang relevan dengan masalah yang dihadapi adalah proses studi literatur.
Selain itu, tinjauan literatur Lembaga Pengabdian dan Penelitian Perguruan Tinggi Universitas Darwan Ali EJECTS : E-Journal Computer.
Technology and Informations System Vol.
3 No.
2 Maret 2024.
P-ISSN : 2988-5477 E-ISSN : 2988-4446 LPPM Universitas Darwan Ali dilakukan untuk mengumpulkan bukti hipotesis yang memandu penyelidikan.
Relevansi yang memiliki arti hubungan atau katan dengan masalah .
Perumusan masalah yang akan menjadi pokok bahasan penelitian ini dicapai setelah mengenali masalah dan mengkaji literatur tujuannya adalah untuk memperjelas ruang lingkup penelitian.
Didalam ruang lingkup penelitian perumusan masalah yang harus diteliti serta di Analisa.
Rumusan masalah sering berkaitan dengan beberapa kejadian yang dihadapi .
Kerangka yang dikonsepkan diharapkan nanti memberikan gambaran umum dan hipotesis langsung tentang variabel yang akan diteliti.
Kerangka konseptual juga membantu peneliti dalam membingkai topik penelitian.
Dapat mempudah Dalam penyusunan paragap serta topik Dalam penelitian .
Pengumpulan data dilakukan untuk mengumpulkan pengetahuan yang dibutuhkan untuk mencapai tujuan Pengumpulan data pada tahap ini dilakukan melalui sampel laboratorium yang dimasukkan dalam laporan analisis laboratorium.
Hasil analisis laboratorium akan menghasilkan hasil dari hasil penelitian yang bersumber dari masalah yang diteliti .
Untuk menganalisis data yang diperoleh, dilakukan analisis dan pengolahan data.
Pengolahan data meliputi proses konstruksi dataset, pembersihan data, dan ekstraksi fitur.
Pendekatan Naive Bayes digunakan untuk memproses fitur setelah diekstrak.
termasuk klasifikasi, asosiasi, pengelompokan, estimasi, dan prediksi .
Intinya, data mining adalah cabang ilmu yang tujuan utamanya adalah menemukan, menemukan, dan menambang data berdasarkan pengetahuan yang Ungkapan Knowledge Discovery in Databases adalah nama lain dari data mining .
Penambangan data adalah salah satu prosedur integrasi berurutan yang membentuk proses KDD, yang terdiri dari sejumlah proses lainnya.
Contoh berikut menunjukkan tahapan proses KKD dalam aksi.
Data Clearance Untuk berkebun, dalam suatu tempat atau lahan hutan yang sebelumnya terdapat tanaman oleh pepohonan, gulma serta berbagai hayati didalamnya.
Tanaman yang alamiah tumbuh di dalam hutan yang tumbuh sebelum adanya perkebunan.
Tempat atau lahan hutan tanah lebih subur untuk Dalam mengelola perkebunan .
Data Integration Adalah suatu pemprogram yang saling sikronisasi hewan dengan tanaman perkebunan.
Salah satunya tanaman kelapa sawit dengan konsep menempatkan dan mengusahakan sejumlah ternak.
Tanpa mengurangi aktifitas dan produktifitas tanaman.
Data Selection.
Dalam pelaksanaan penghitungan seluruh jumlah pokok tanaman kelapa sawit .
roduktif dan non Dilaksanakan secara Bersama-sama dan bersifat menyeluruh di areal kelapa sawit.
Didalam perhitungan pokok yang bisa tumbuh subur dan pokok yang tidak subur akan diseleksi dan di perhitungkan jumlah pokok yang digunakan.
Analisis data akan menghasilkan suatu hasil penelitian yang dapat kita simpulkan jawaban dari pertanyaan penelitian dengan menggunakan data yang telah diperoleh melalui proses validasi.
Data temuan penelitian akan diungkapkan oleh data dan kami akan mempelajari kesimpulan.
Didalam kesimpulan akan menghasilakan hasil yang telah di teliti di Dalam penelitian .
Data Transformation Adalah produktifitas tanaman kelapa sawit per satu hektar per periode tertentu.
Didalam persatu hektar akan menghasil buah kelapa sawit jumlah pokok DataProduktifitas tanaman yang sudah tumbuh dan mencapai priode tertentu akan menghasil sebuat produk berupa buah kelapa sawit .
Sebuah pernyataan pada tahap kesimpulan menunjukkan apakah pertanyaan penelitian telah dijawab atau belum, dan kesimpulan.
Terkait erat dengan pertanyaan penelitian awal.
Penelitian awal akan mengarah pada hasil yang telah dilakukan penelitian dari berbagai tahapan proses hingga akhir .
Data Mining Metode untuk menemukan pola tertentu dari kumpulan data yang berjumlah besar.
Proses pengumpulan informasi dan data yang penting.
Dalam proses ini seringkali memanfaatkan beberapa metode, seperti matematika statistik dan pemanfaatan teknologi .
Pattern evaluation Tahapan Penganalisaan yang nantinya hasil dari tahapan ini dapat berupa kode yang unik dalam bentuk analisis knowledge based maupun model prediksi dan Untuk menilai benarkah hipotesa yang ada memang tercapai atau sebaliknya.
Dari Evaluasi akan Data Mining Menggunakan metode seperti statistik, matematika, penambangan data adalah proses memperoleh pengetahuan dari database yang cukup besar dan menemukan informasi yang relevan.
Penambangan data dapat digunakan untuk melakukan berbagai tugas.
Lembaga Pengabdian dan Penelitian Perguruan Tinggi Universitas Darwan Ali EJECTS : E-Journal Computer.
Technology and Informations System Vol.
3 No.
2 Maret 2024.
P-ISSN : 2988-5477 E-ISSN : 2988-4446 LPPM Universitas Darwan Ali menghasilkan hipotesa hasil penelitian dari sumber .
Knowledge Presentation Adalah suatu teknik dalam menyampaikan ilmu pengatahuan seseorang yang diperoleh.
Dalam relasi/keterhubungan antara suatu data dengan data yang lainnya.
Keterkaitan ini akan selaras dengan data penelitian dari awal hingga akhir .
Pabrik yang disebut pabrik minyak sawit (PKS) mengubah tandan buah sawit mentah (TBS) menjadi produk seperti minyak sawit mentah (CPO) dan inti sawit .
Selain itu, beberapa zat seperti serabut dan sekam dapat digunakan sebagai bahan bakar boiler.
Tergantung pada permintaan, pabrik kelapa sawit dibangun dengan teknologi dan kapasitas yang berbeda .
Produk Mentah Kelapa Sawit Berbagai pengujian dilakukan untuk menilai komposisi produk minyak sawit mentah.
Dari hasil produk minyak kelapa sawit digunakan untuk menentukan MUTU P.
Akhir di fasilitas pemrosesan minyak sawit hingga menghasilak produk berupa minya atau cpo.
diperiksa dalam barang yang dibuat menggunakan minyak sawit mentah .
Metodologi Pengumpulan Data Informasi yang benar harus sesuai dengan masalah yang penulis coba atasi dengan membuat jurnal ini untuk membangun sebuah system.
Didalam pembuatan jurnal ada terdapat langkah-langkah yang harus terpenuhi dalam pembuatan jurnal serta kumpulan data sudah yang sudah Bila data sudah dikumpulan dari sumber masalah untuk melakukan penelitian yaitu .
Informasi Data Primer Informasi data primer suatu data yang telah dikumpulkan langsung dari item penelitian.
Laporan jurnal, informasi primer dikumpulkan dengan menggunakan wawancara sebagai media untuk mendapatkan informasi lisensi.
Serta Di tulis informasi yang mengerah pada penelitian yang dihasilkan oleh wawancara .
Informasi Data Utama Informasi data utama merupakan data yang telah diperoleh melalui buku, dan literatur.
Penulis laporan ini menyusunnya dengan menggunakan data sekunder dari Penelitian pengumpulan informasi melalui buku, catatan harian, dan internet yang digunakan sebagai bahan referensi untuk mendukung masalah dalam pembuatan artikel jurnal ini.
HASIL DAN PEMBAHASAN
Data penelitian Daftar berikut mencakup informasi yang dikumpulkan selama prosedur pengumpulan data.
Dalam Pengumpulan data terdapat beberapa kateria yaitu dirt cpo .
, mosture cpo .
, ffa cpo .
, dobi cpo .
, caroten cpo .
, dirt karnel .
, dirt mosture .
, mosture karnel .
, ffa karnel .
terhadap kelapa sawit.
berikut ini dataset berupa sampel cpo & karnel.
TABEL I
DATA PENELITIAN
Product Quality No.
0,34
0,28
0,45
0,22
0,51
0,47
0,24
0,55
0,14
0,52
0,41
0,45
Cpo
2,75
4,33
2,72
2,13
2,71
2,51
Karnel
52 7,7
7,3 3,4
432 8,6
8,1 5,6
367 6,41 3,35 3,2
435 8,1
590 5,65 5,7
533 6,65 7,15
429 8,1
510 5,7
368 6,51 3,33 3,43
467 7,41 4,4
Setelah data ditentukan, langkah selanjutnya saya menghitung jumlah klasifikasi kualitas produk kelapa sawit berdasarkan tabel 1 Dari 10 data kualitas produk kelapa sawit yang digunakan.
Diketahui kualitas produk sangat baik sebanyak 2 data, kualitas produk kurang baik sebanyak 2 data, kualitas produk menengah sebanyak 5 data dan kualitas produk sangat baik 1 data.
Perhitungan probabilitas prior kemungkinan dalam menentukan kualitas kelapa sawit.
Probabilitas dari masing-masing prioriti telah kita ketahui, selanjutnya kita akan menghitung probabilitas dari setiap masing-masing kriteria yang akan digunakan.
Kriteria yang digunakan penulis yaitu data dirt cpo .
, mosture cpo .
, ffa cpo .
, dobi cpo .
, caroten cpo .
, dirt karnel .
, dirt mosture .
, mosture karnel .
, ffa karnel .
Dalam menentukan setiap probabilitas dari setiap kriteria, saya menghitung bagian yang terdapat pada setiap kriteria yang ada pada Dalam menentukan setiap probabilitas dari setiap kriteria dilakukan dengan menghitung kualitas pada bagian setiap kriteria-kriteria yang digunakan.
Sehingga perhitungan dari probabilitas dari masing-masing kriteria.
Dari masing-masing kateria didalam angka mempermudah perhitungan dalam menghasilkan perhitungan dari probabilitas dari masing-masing kriteria.
Data Keterangan Dari table data keterangan untuk mempermudah bagian setiap kriteria-kriteria yang digunakan.
Sehingga perhitungan dari probabilitas dari masing-masing kriteria.
Didalam Tebel Keterangan terdapat kode mutu yang dimana mempermudah dalam pembutan kualifikasi mutu atau keterangan pada tabel.
Lembaga Pengabdian dan Penelitian Perguruan Tinggi Universitas Darwan Ali EJECTS : E-Journal Computer.
Technology and Informations System Vol.
3 No.
2 Maret 2024.
P-ISSN : 2988-5477 E-ISSN : 2988-4446
LPPM Universitas Darwan Ali
TABEL II
DATA KETERANGAN
Keterangan kualifikasi Mutu Sangat Baik Mutu Menengah Mutu Baik Mutu Kurang Baik Mutu Tidak Baik Mutu Cukup Mutu Buruk Mutu Produk No.
Perhitungan probabilitas prior untuk setiap kelas :
- P (MUTU P = MUTU SB) = 2/10 = 0,2
- P (MUTU P = MUTU BK = 2/.
= 0,2
- P (MUTU P = MUTU M) = 4/10 = 0,4
- P (MUTU P = MUTU BR) = 2/10 = 0,2
Kode mutu p Mutu SB Mutu M Mutu BK Mutu KB Mutu TB Mutu C Mutu BR Mutu P Selanjutnya, dengan menggunakan, data yang diubah menjadi data diskrit.
Didalam data diskrit akan memudah menentukan probabilitas dari masing-masing kriteria.
Data yang telah diubah menjadi data diskrit ditunjukkan di bawah ini.
TABEL i DATA DISKRIT No.
Product quality Cpo
Karnel
BK TB
TB BK
KB KB
TB BK
KB BK
BK BK KB
KB BK
BK KB
TB KB
KB TB
TB BK
KB BK
BK KB BK KB
KB BK
KB TB KB KB
KB BK
KB KB
KB BK
KB KB KB KB
KB TB KB KB
Perhitungan secara manual Seperti yang ditunjukkan pada tabel 1 Data Penelitian pengujian berikut adalah yang dapat digunakan saat melakukan perhitungan Naive Bayes secara manual.
Data perhitungan secara manual yang dimana data tersebut sedikit.
Serta perhitung Manual bila dilakukan untuk menghitung probabilitas dari masingmasing kriteria.
TABEL IV
DATA PENELITIAN KUALITAS
Product Quality No.
0,55
Cpo
2,72
Karnel
8,1 5,6
Data uji diubah menjadi data diskrit, memungkinkan perhitungan probabilitas dalam langkah pertama untuk menentukan perhitungan Naive Bayes.
Didalam naive bayes berdasar probabilitas sederhana dan dirancang dengan antara variable berupa keterangan.
Data penelitian disktrit kuliatas mencari angka kualitas yang dimasuk pada table dibawah ini.
TABEL V
DATA PENELITIAN DISKRIT KUALITAS
Product Quality No.
Cpo
Karnel
TB BK
Dalam Perhitungan Data Probabilitas setiap kelas dengan 4 Kualifikasi yaitu Sangat Baik.
Baik.
Menengah dan Buruk.
Perhitungan probabilitas prior untuk setiap kelas mendapatkan angka.
Mutu SB 0,2.
Mutu BK 0,2.
Kualiatas Menengah 0,4 dan Mutu BR 0,2.
Dari perhitungan Probilitas prior diurutan paling terbesar di kualitas mutu Menengah.
Perhitungan probabilitas kualifikasi dirt cpo :
- P (DIRT CPO = B | MUTU SB) = 2/2 = 1
- P (DIRT CPO = B | MUTU P = MUTU BK) =
2/2 = 1
- P (DIRT CPO = B | MUTU P = MUTU M) =
4/2 = 2
- P (DIRT CPO = B | MUTU P = MUTU BR) =
0/2 = 0
Dalam Perhitungan data probabilitas, setiap kelas dengan 4 Kualifikasi yaitu Sangat Baik.
Baik.
Menengah dan Buruk.
Diberi skor dalam empat kategori (Mutu SB 1,Mutu BK 1,Mutu M 1,dan Mutu BR .
Dari perhitungan Probilitas prior diurutan paling terbesar di kualitas mutu Menengah.
Perhitungan probabilitas kualifikasi mosture cpo :
- P (MOSTURE CPO = SB | MUTU P= MUTU
SB) = 2/2 = 1
- P (MOSTURE CPO = SB | MUTU P= MUTU
BK) = 2/2 = 1
- P (MOSTURE CPO = SB | MUTU P = MUTU
M) = 4/4 = 1
- P (MOSTURE CPO = SB | MUTU P= MUTU
BR) = 2/2 = 1
Dalam Perhitungan data probabilitas, setiap kelas dengan 4 Kualifikasi yaitu Sangat Baik.
Baik.
Menengah dan Buruk.
Dalam menghitung Probability Kualifikasi untuk CPO Mosture Kualifikasi diperoleh skor Mutu SB 1.
BK 1.
M 1 dan BR 1.
Dari perhitungan Probilitas prior hasil dari urutan mendapatkan angka sama yaitu satu.
Perhitungan probabilitas kualifikasi ffa cpo :
- P (FFA CPO = KB | MUTU P = MUTU SB) =
2/2 = 1
- P (FFA CPO = KB | MUTU P = MUTU BK) =
2/2 = 1
- P (FFA CPO = KB | MUTU P = MUTU M) =
4/4 = 1
- P (FFA CPO = KB | MUTU P = MUTU BR) =
2/2 = 1
Dalam Perhitungan data probabilitas, setiap kelas dengan 4 Kualifikasi yaitu Sangat Baik.
Baik.
Menengah dan Lembaga Pengabdian dan Penelitian Perguruan Tinggi Universitas Darwan Ali EJECTS : E-Journal Computer.
Technology and Informations System Vol.
3 No.
2 Maret 2024.
P-ISSN : 2988-5477 E-ISSN : 2988-4446 LPPM Universitas Darwan Ali Buruk.
Dalam Perhitungan Data Probabilitas kualifikasi FFA CPO mendapatkan angka.
Mutu SB 1.
Mutu BK 1.
Kualiatas M 1 dan Mutu BR 1.
Dari perhitungan Probilitas prior hasil dari urutan mendapatkan angka sama yaitu Perhitungan probabilitas kualifikasi dobi cpo :
- P (DOBI CPO = C | MUTU P = MUTU SB) =
0/2 = 0
- P (DOBI CPO = C | MUTU P = MUTU BK) =
1/2 = 0,5
- P (DOBI CPO = C | MUTU P = MUTU M) =
1/4 = 0,25
- P (DOBI CPO = C | MUTU P = MUTU BR) =
2/2 = 1
Dalam Perhitungan data probabilitas, setiap kelas dengan 4 Kualifikasi yaitu Sangat Baik.
Baik.
Menengah dan Buruk.
Saat menghitung Kualifikasi data probabilistik .
CPO DOBI dinilai sebagai "0 Mutu SB", "0,5 Mutu BK", "0,25 Mutu M", dan "1 Mutu BR".
Dari perhitungan Probilitas prior hasil dari urutan terbesar mendapatkan angka 0,25 di mutu menengah.
Perhitungan probabilitas kualifikasi caroten cpo :
- P (CAROTEN CPO = KB | MUTU P= MUTU
SB) = 0/2 = 0
- P (CAROTEN CPO = KB | MUTU P = MUTU
BK) = 0/2 = 0
- P (CAROTEN CPO = KB | MUTU P = MUTU
M) = 4/4 = 1
- P (CAROTEN CPO = KB | MUTU P = MUTU
BR) = 2/2 = 1
Dalam Perhitungan data probabilitas, setiap kelas dengan 4 Kualifikasi yaitu Sangat Baik.
Baik.
Menengah dan Buruk.
Perhitungan data berbasis probabilitas Kualifikasi melaporkan angka berikut untuk karoten CPO:1 Mutu SB, 1 Mutu BK, 1 Mutu M dan 1 Mutu BR.
Dari perhitungan Probilitas prior hasil dari urutan terbesar mendapatkan angka 1 dari mutu menengah dan buruk.
Perhitungan probabilitas kualifikasi dirt karnel :
- P (DIRT KARNEL = KB | MUTU P = MUTU
SB) = 1/2 = 0,5
- P (DIRT KARNEL = KB | MUTU P = MUTU
BK) = 1/2 = 0,5
- P (DIRT KARNEL = KB | MUTU P = MUTU
M) = 3/4 = 0,75
- P (DIRT KARNEL = KB | MUTU P= MUTU
BR) = 0/2 = 0
Dalam Perhitungan data probabilitas, setiap kelas dengan 4 Kualifikasi yaitu Sangat Baik.
Baik.
Menengah dan Buruk.
Kualifikasi Karnel mendapatkan angka.
Mutu SB 0,5.
Mutu BK 0,5 Mutu M 0,75 dan Mutu BR 0.
Dari perhitungan Probilitas prior hasil dari urutan terbesar mendapatkan angka 0,75 di mutu menengah.
Perhitungan probabilitas kualifikasi mosture karnel :
- P (MOSTURE KARNEL = TB | MUTU
= MUTU SB) = 0/2 = 0
- P (MOSTURE KARNEL = TB | MUTU P =
MUTU BK) = 2/2 = 1
- P (MOSTURE KARNEL = TB | MUTU P =
MUTU M) = 2/4 = 0,5
- P (MOSTURE KARNEL = TB | MUTU P =
MUTU BR) = 1/2 = 0,5
Dalam Perhitungan data probabilitas, setiap kelas dengan 4 Kualifikasi yaitu Sangat Baik.
Baik.
Menengah dan Buruk.
Dalam menghitung Probability Kualifikasi untuk CPO Mosture Kualifikasi diperoleh skor Mutu SB 1.
BK 1.
M 1 dan BR 1.
Dari perhitungan Probilitas prior hasil dari urutan terbesar mendapatkan angka 0,5 di mutu Perhitungan probabilitas kualifikasi ffa karnel :
- P (FFA KARNEL = B | MUTU P = MUTU SB)
= 0/2 = 0
- P (FFA KARNEL = B | MUTU P = MUTU
BK) = 0/2 = 0
- P (FFA KARNEL = B | MUTU P = MUTU M)
= 1/4 = 0,25
- P (FFA KARNEL = B | MUTU P = MUTU BR)
= 1/2 = 0,5
Dalam Perhitungan data probabilitas, setiap kelas dengan 4 Kualifikasi yaitu Sangat Baik.
Baik.
Menengah dan Buruk.
Saat menghitung data kernel FFA berbasis probabilitas, mndapatkan angka untuk Mutu SB, 0 untuk Mutu BK, 0,25 untuk Mutu M, dan 0,5 Mutu BR.
Dari perhitungan Probilitas prior hasil dari urutan terbesar mendapatkan angka 0,5 di mutu buruk.
Perhitungan probabilitas prior dan probabilitas .
P (X | MUTU P = MUTU SB = 2 X 1 X 1 X 0,25 X 1 X 0,75 X 0,5 X 0,25 = 0.
P (X | MUTU P = MUTU BK = 1 X 1 X 1 X
0,5 X 0 X 0,5 X 1 X 0 = 0
P (X | MUTU P = MUTU M = 1 X 1 X 0 X 0
X 0,5 X 0 X 0 = 0
P (X | MUTU P = MUTU BR = 0 X 1 X 1 X 1
X 1 X 0 X 0,5 X 0,5 = 0
Sehingga dari data perbandingan tersebut dapat diketahui bahwa kualitas produk kelapa sawit.
Hasil akhir yang akan ditampilkan adalah berupa probalitas diagram yaitu menentukan kualitas kelapa sawit antara lain probabilitas dari setiap masing-masing yaitu data dirt cpo .
, mosture cpo .
, ffa cpo .
, dobi cpo .
, caroten cpo .
, dirt karnel .
, dirt mosture .
, mosture karnel .
, ffa karnel .
Dapat dilihat pada gambar 1 Bahwa kualitas produk kelapa sawit klasifikasi/probabilitas 046875 sangat baik Sehingga berdasarkan data hasil dari klasifikasi pada perhitungan probabilitas prior dan probabilitas kualifikasi diagram berikut ini.
Lembaga Pengabdian dan Penelitian Perguruan Tinggi Universitas Darwan Ali EJECTS : E-Journal Computer.
Technology and Informations System Vol.
3 No.
2 Maret 2024.
P-ISSN : 2988-5477 E-ISSN : 2988-4446 LPPM Universitas Darwan Ali .
, dirt mosture .
, mosture karnel .
, ffa karnel .
Dapat dilihat pada bahwa kualitas produk kelapa sawit PT.
Sawit Sumbermas Sarana klasifikasi/probabilitas 0.
046875 sangat baik REFERENSI