Perbandingan Algoritma Real Adaptive Boosting pada Regresi Logistik, CART, dan Naive Bayes dalam Klasifikasi Biji Labu

Moch Anjas Aprihartha, Sefri Imanuel Fallo, Hady Rasikhun

Abstract


Labu merupakan spesies tanaman yang bernilai ekonomis dan medis. Hampir setiap bagian dari labu dapat dikonsumsi terutama pada bijinya. Minyak dari biji labu dapat juga digunakan sebagai saus untuk salad, produk kosmetik, sabun dan lilin. Keterampilan dalam mengklasifikasikan biji labu dengan tepat sangat dibutuhkan diberbagai sektor, seperti pertanian dan industri pangan. Dibutuhkan teknologi pengembangan yang dapat mengidentifikasi dan mensortir biji labu dengan mudah dan cepat. Beberapa algoritma yang umum dapat digunakan untuk mengidentifikasi jenis biji labu seperti algoritma regresi logistik (RL), Classification and Regression Tree (CART), dan Naive Bayes (NB). Penelitian ini bertujuan mengeksplorasi model RL, CART, dan NB pada dua jenis varietas biji labu, yaitu Ürgüp Sivrisi dan Çerçevelik berdasarkan karakteristik fisiknya. Selain itu, digunakan pendekatan Real Adaptive Boosting (RAB) untuk meningkatkan kinerja model dasar. Teknik ini bekerja dengan kemampuan menggabungkan beberapa model homogen secara berulang untuk menghasilkan model yang kuat. Hasil uji kinerja model klasifikasi diperhitungkan melalui metrik evaluasi. Model RAB-RL memiliki performa tertinggi pada akurasi, presisi, dan f1-score sehingga menjadikan model terbaik dalam mengklasifikasikan jenis biji labu dibandingkan model-model lainnya. Dalam model dasar, model RL memiliki performa terbaik dibawah model RAB-RL

References


D. Montesano, G. Rocchetti, P. Putnik, and L. Lucini, “Bioactive profile of pumpkin: an overview on terpenoids and their health-promoting properties,” Current Opinion in Food Science, vol. 22, pp. 81–87, Aug. 2018, doi: 10.1016/j.cofs.2018.02.003.

N. Çetin et al., “Binary classification of pumpkin (Cucurbita pepo L.) seeds based on quality features using machine learning algorithms,” European Food Research and Technology, vol. 250, no. 2, pp. 409–423, Feb. 2024, doi: 10.1007/s00217-023-04392-w.

M. Koklu, S. Sarigil, and O. Ozbek, “The use of machine learning methods in classification of pumpkin seeds (Cucurbita pepo L.),” Genetic Resources and Crop Evolution, vol. 68, no. 7, pp. 2713–2726, Oct. 2021, doi: 10.1007/s10722-021-01226-0.

K V Prasad, Hanumesh Vaidya, Kumar Swamy K, and Renuka S, “Pumpkin Seeds Classification: Artificial Neural Network and Machine Learning Methods”, J. Int. Acad. Phys. Sci., vol. 27, no. 1, pp. 23–33, Mar. 2023.

A. Aprihartha, J. Prasetya, and S. I. Fallo, "Implementasi CART-Real Adaboost dalam Memprediksi Minat Pelanggan Membeli Sepatu," Jurnal EurekaMatika, vol. 12, no. 1, pp. 35–46, 2024, doi.org/10.17509/jem.v12i1.67808.

J. Prasetya, S. I. Fallo, and M. A. Aprihartha, “Stacking Machine Learning Model for Predict Hotel Booking Cancellations,” Jurnal Matematika, Statistika dan Komputasi, vol. 20, no. 3, pp. 525–537, May 2024, doi: 10.20956/j.v20i3.32619.

M. A. Aprihartha and I. Idham, “Optimization of Classification Algorithms Performance with k-Fold Cross Validation”, EMJ, vol. 7, no. 2, pp. 61–66, Sep. 2024, doi.org/10.29303/emj.v7i2.212.

X. Zhou, Y. Wang, L. Zhang, A. Huang, and X. Wang, “An innovative multi-view collaborative optimization framework for Weighted Naive Bayes,” Knowledge-Based Systems, vol. 317, p. 113378, May 2025, doi: 10.1016/j.knosys.2025.113378.

V. Calabrese et al., “Review and practical excursus on the comparison between traditional statics methods and Classification And Regression Tree (CART) in real-life data: Low protein diet compared to Mediterranean diet in patients with chronic kidney disease,” Nefrología, vol. 45, no. 4, pp. 279–284, Apr. 2025, doi: 10.1016/j.nefro.2025.01.009.

A. Aprihartha, Zulhandi Putrawan, Dicky Zulhan, and Fatma Ahardika Nurfaizal, “Klasifikasi Produktivitas Buah Nanas Menggunakan Algoritma Classification and Regression Tree (CART),” Diophantine Journal of Mathematics and Its Applications, pp. 64–70, Jul. 2024, doi: 10.33369/diophantine.v3i1.34193.

M. anjas Aprihartha, F. Astutik, and N. Sulistianingsih, “Comparison of Naïve Bayes, CART, dan CART Adaboost Methods in Predicting Tire Product Sales,” Jurnal Matematika, Statistika dan Komputasi, vol. 20, no. 3, pp. 596–605, May 2024, doi: 10.20956/j.v20i3.33187.

M. anjas Aprihartha, Z. Putrawan, D. Zulhan, and F. A. Nurfaizal, “Study 0n Identification Of Poisonous and Non-Toxic Mushrooms Using the Cart-Logitboost Algorithm,” Jurnal Matematika, Statistika dan Komputasi, vol. 21, no. 1, pp. 33–45, Sep. 2024, doi: 10.20956/j.v21i1.35072.

Moch. A. Aprihartha, T. N. Alam, and M. Husniyadi, “Perbandingan Metrik Euclidean dan Metrik Manhattan untuk K-Nearest Neighbors dalam Klasifikasi Kismis,” Jurnal Ilmu Komputer dan Informatika, vol. 4, no. 1, pp. 21–30, Jun. 2024, doi: 10.54082/jiki.126.

M. Anjas Aprihartha, Z. Putrawan, D. Zulhan, F. Ahardika Nurfaizal, and G. Artikel, “Algoritma Synthetic Minority Oversampling Technique dan C5.0 dalam Mengatasi Ketidakseimbangan Data pada Klasifikasi Kelulusan Siswa,” UPGRADE: Jurnal Pendidikan Teknologi Informasi, vol. 2, no. 1, pp. 1–10, 2024, doi: 10.30812/upgrade.v2i1.4148.

A. Aprihartha, "Penyelesaian Masalah Ketidakseimbangan Data Melalui Teknik Oversampling dan Undersampling pada Klasifikasi Siswa Tidak Naik Kelas," Jurnal Teknik Ibnu Sina (JT-IBSI), vol. 9, no. 01, pp. 43–52, 2024, doi.org/10.36352/jt-ibsi.v9i01.807.

A. Aprihartha, "Implementasi Metode Support Vector Machine (SVM) Pada Klasifikasi Status Penerima Bantuan Pangan Non Tunai," JSI: Jurnal Sistem Informasi (E-Journal), vol. 16, no. 2, pp. 313–324, 2024, doi.org/10.18495/jsi.v16i2.123.

P. Tongcham, P. Supa, P. Pornwongthong, and P. Prasitmeeboon, “Mushroom spawn quality classification with machine learning,” Computers and Electronics in Agriculture, vol. 179, p. 105865, Dec. 2020, doi: 10.1016/j.compag.2020.105865.




DOI: http://dx.doi.org/10.24014/jsms.v11i2.36859

Refbacks

  • There are currently no refbacks.


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

Jurnal JSMS

p-ISSN     : 2460-4542 (print)
e-ISSN     : 2615-8663 (online)
Alamat   : Program Studi Matematika
                   Fakultas Sains dan Teknologi, UIN Suska Riau
                   Jl. H.R Soebrantas, No. 155, Tampan, Pekanbaru.
Website : http://ejournal.uin-suska.ac.id/index.php/JSMS
e-mail    : jsmsfst@uin-suska.ac.id

   

 

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