Penerapan Metode Naive Bayes Dalam Pemilihan Kualitas Jenis Rumput Taman CV. Rumput Kita Landscape

Penataan taman yang menarik, sejuk dan indah memerlukan budget yang tinggi. Dari beragam jenis rumput, umumnya Rumput Mini ditanam untuk mempercantik rumah atau bangunan. Para pengelola jasa taman menentukan kualitas rumput dari pengalaman sehari-hari. Ini menunjukkan belum adanya pemanfaatan sistem komputer dalam pemilihan jenis rumput taman yang berkualitas, menyebabkan terjadi kesalahan dalam menentukan kualitas rumput terbaik. Dalam permasalahan ini metode Naïve Bayes digunakan sebagai Sistem Pengambil Keputusan (SPK). Naïve bayes merupakan metode pengklasifikasian ada tidaknya ciri tertentu dari sebuah kelas. Empat kriteria pemilihan kualitas jenis rumput taman yaitu suhu udara, curah hujan, kelembapan udara dan harga pasar. Hasil perangkingan dari R1, R2, R3, R4, R5, R6, R7 menunjukkan R6: Rumput Golf= 0.4705882353; R7: Rumput Swiss= 0.4705882353 merupakan rumput yang memiliki Kualitas Baik. Kata Kunci: Pemilihan Rumput, Kualitas, Ranking, Naïve Bayes Abstract An attractive, cool and beautiful garden arrangement requires a high budget. Of the various types of grass, generally Mini Grass is planted to beautify your home or building. The managers of garden services determine the quality of grass from everyday experience. This shows that there is no use of computer systems in the selection of quality garden grass types, causing errors in determining the best quality of grass. In this problem the Naïve Bayes method is used as a Decision Making System (SPK). Naïve Bayes is a method of classifying the presence or absence of certain characteristics of a class. Four criteria for selecting the quality of garden grass types are air temperature, rainfall, air humidity and market prices. The ranking results of R1, R2, R3, R4, R5, R6, R7 indicate R6: Golf Grass = 0.4705882353; R7: Swiss grass = 0.4705882353 is a grass that has good quality. Keywords: Selection Of Grass, Quality, Ranking, Naïve Bayes

Abstract licence: CC BY-SA

4 more references, whose wording the paper’s licence keeps private.

A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.