IMPLEMENTASI METODE BAYESIAN NETWORK UNTUK SISTEM REKOMENDASI KLASIFIKASI JAMUR BERACUN DAN TIDAK BERACUN

Salah satu keanekaragaman hayati tersebut adalah jamur. Tidak semua jenis jamur dapat dimakan (edible), banyak pula jenis jamur yang beracun (poisonous). Family Agaricus dan Lepiota yang secara liar hidup di alam terbuka dengan bentuk yang beraneka ragam, warna yang bermacam-macam, serta sifat yang belum banyak diketahui pada umumnya bersifat racun. Untuk membedakan jamur family Agaricus dan Lepiota tidak beracun dan yang beracun didasarkan pada bentuk, sifat, dan keadaannya sangat sukar dilakukan. Hal ini dikarenakan adanya bentuk hampir sama dari spesies jamur family Agaricus dan Lepiota yang dapat di konsumsi dengan spesies jamur lain yang beracun. Penelitian ini bertujuan untuk mengklasifikasikan jamur family Agaricus dan Lepiota ke dalam kelas tidak beracun dan beracun. pada penelitian ini penulis menggunakan dataset Mushroom Classification yang bersifat kategorik hanya dapat diklasifikasikan oleh pengklasifikasi yang mampu memproses variabel kategorik, seperti: Bayesian Network. Model yang dihasilkan dari data training memiliki akurasi sebesar 99% dan hasil evaluasi dari data testing menghasilkan akurasi sebesar 98%. Dari hasil akurasi tersebut dapat dinyatakan bahwa model Bayesian Natwork dapat mengklasifikasi jamur beracun dan tidak beracun dengan sangat baik.