Penerapan Metode Gradient Boosted Tree untuk Klasifikasi Penyakit Tanaman Padi
Penelitian
DOI:
https://doi.org/10.31004/jerkin.v4i3.5111Keywords:
Sugestibilitas Penyidik, Pengakuan Palsu, Psikologi Forensik, Penyidikan KriminalAbstract
Tanaman padi merupakan komoditas pangan utama yang memiliki peran penting dalam ketahanan pangan. Penyakit pada tanaman padi dapat menurunkan produktivitas dan kualitas hasil panen sehingga diperlukan metode yang efektif untuk melakukan identifikasi penyakit secara dini. Penelitian ini bertujuan untuk menerapkan metode Gradient Boosted Tree dalam melakukan klasifikasi penyakit tanaman padi menggunakan Paddy Dataset yang diperoleh dari UCI Machine Learning Repository. Dataset tersebut terdiri dari beberapa kelas penyakit padi yang digunakan sebagai data latih dan data uji. Tahapan penelitian meliputi proses prapemrosesan data, pembagian data, pembangunan model klasifikasi, serta evaluasi kinerja model. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode Gradient Boosted Tree mampu memberikan performa yang baik dalam mengklasifikasikan penyakit tanaman padi. Dengan demikian, metode ini dapat dijadikan sebagai salah satu pendekatan yang efektif dalam membantu identifikasi penyakit tanaman padi secara otomatis.
References
Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. The Annals of Statistics, 29(5), 1189–1232.
Friedman, J. H. (2002). Stochastic gradient boosting. Computational Statistics & Data Analysis, 38(4), 367–378.
Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5–32.
Rokach, L. (2010). Ensemble-based classifiers. Artificial Intelligence Review, 33(1–2), 1–39.
Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques (3rd ed.). Morgan Kaufmann.
Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical Machine Learning Tools and Techniques (4th ed.). Morgan Kaufmann.
Aggarwal, C. C. (2015). Data Mining: The Textbook. Springer.
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
UCI Machine Learning Repository. (2023). Paddy Dataset. University of California, Irvine. https://archive.ics.uci.edu
RapidMiner GmbH. (2023). RapidMiner Studio Documentation. https://docs.rapidminer.com
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Sukanto, Hasbi Firmansyah, Wahyu Asriyani
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
