Anda belum Log-in!
Silahkan Log in
Selamat Datang di Portal Digital Content Publisher
Sabtu , 22 March 2025
Perpustakaan sebagai jantung pendidikan tinggi di Indonesia, harus mampu memberi kontribusi yang berarti bagi pelaksanaan proses belajar mengajar di perguruan tinggi.
di-posting oleh 190441100125 pada 2025-03-13 02:03:10 • 16 klik
Klasifikasi Kualitas Buah Apel Menggunakan Metode Random Forest
Classification of Apple Fruit Quality Using Random Forest Method
disusun oleh ANDICHO PUTRA ARGADINATA
| Subyek: | klasifikasi Random Forest apel Confusion Matrix |
| Kata Kunci: | klasifikasi Random Forest apel Confusion Matrix |
[ Anotasi Abstrak ]
Klasifikasi kualitas apel merupakan salah satu tantangan penting dalam bidang pertanian dan teknologi pangan untuk memastikan produk yang memenuhi standar pasar. Penelitian ini menggunakan algoritma Random Forest untuk mengklasifikasikan apel berdasarkan atribut utama seperti Size, Weight, Sweetness, Crunchiness, Juiciness, Ripeness, dan Acidity. Dataset apel dinormalisasi menggunakan metode Min-Max Normalization untuk memastikan distribusi data berada dalam rentang yang seragam sehingga meningkatkan kinerja model. Proses evaluasi dilakukan menggunakan metrik Confusion Matrix, menghasilkan akurasi sebesar 88%, presisi 88%, recall 88%, dan F1-score 88%, dengan 100 pohon keputusan yang dibangun oleh model. Hasil penelitian menunjukkan bahwa kombinasi metode Random Forest dengan preprocessing data yang tepat mampu menghasilkan model klasifikasi yang akurat, efisien, dan mudah digunakan. Aplikasi berbasis web dibangun menggunakan Streamlit, memungkinkan pengguna untuk memasukkan data baru secara interaktif dan mendapatkan hasil klasifikasi apakah apel tergolong “Good” atau “Bad”. Aplikasi ini dapat membantu petani dan produsen apel dalam meningkatkan efisiensi proses seleksi kualitas apel.
Deskripsi Lain
The classification of apple quality is a significant challenge in agriculture and food technology to ensure products meet market standards. This study employs the Random Forest algorithm to classify apples based on key attributes such Size, Weight, Sweetness, Crunchiness, Juiciness, Ripeness, and Acidity. The apple dataset was normalized using the Min-Max Normalization method to ensure uniform data distribution, enhancing the model's performance. Evaluation metrics, including the Confusion Matrix, indicated an accuracy of 88%, precision of 88%, recall of 88%, and F1-score of 88%, with 100 decision trees constructed by the model. The study demonstrates that combining the Random Forest method with proper data preprocessing produces an accurate, efficient, and user-friendly classification model. A web-based application was developed using Streamlit, allowing users to input new data interactively and receive classification results indicating whether an apple is classified "Good" "Bad.". This application is expected to assist farmers and apple producers in improving the efficiency of apple quality selection processes.
| Kontributor | : Doni Abdul Fatah, S.Kom.,M.Kom. Hanifudin Sukri,S.Kom.,M.Kom. |
| Tanggal tercipta | : 2025-01-23 |
| Jenis(Tipe) | : Text |
| Bentuk(Format) | |
| Bahasa | : Indonesia |
| Pengenal(Identifier) | : TRUNOJOYO-Tugas Akhir-35436 |
| No Koleksi | : 190441100125 |
Ketentuan (Rights) :
2025
Download File Penyerta (khusus anggota terdaftar)
1. TRUNOJOYO-Tugas Akhir-35436-Abstract.pdf - 271 KB 2. TRUNOJOYO-Tugas Akhir-35436-Cover.pdf - 1117 KB 3. TRUNOJOYO-Tugas Akhir-35436-Chapter1.pdf - 25 KB 4. TRUNOJOYO-Tugas Akhir-35436-Chapter2.pdf - 292 KB 5. TRUNOJOYO-Tugas Akhir-35436-Chapter3.pdf - 221 KB 6. TRUNOJOYO-Tugas Akhir-35436-Chapter4.pdf - 592 KB 7. TRUNOJOYO-Tugas Akhir-35436-Conclusion.pdf - 8 KB 8. TRUNOJOYO-Tugas Akhir-35436-References.pdf - 78 KB 9. TRUNOJOYO-Tugas Akhir-35436-Appendices.pdf - 1000 KB
Dokumen sejenis...Tidak ada !
Dokumen yang bertautan...- IDENTIFIKASI UNTUK PENENTUAN TINGKAT KESESUAIAN LAHAN TERHADAP PADI SAWAH MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION DENGAN VISUALISASI GOOGLE MAPS API
- Sistem Analisis Sentimen Produk Telkomsel dari Opini Twitter Berbahsa Indonesia Menggunakan Metode Naive Bayes Classifier
- KLASIFIKASI KOMPLEKSITAS VISUAL CITRA BERDASARKAN STRUCTURE, NOISE, DAN DIVERSITY MENGGUNAKAN SISTEM INFERENSI FUZZY MAMDANI
- Klasifikasi Efektifitas Pencapaian Belajar Menghafal Asmaul Husna Melalui Metode Pembelajaran Hanifida Menggunakan Game Edukai Dengan Metode Fuzzy
- RANCANG BANGUN E-DOCUMENT DI KANTOR PELAYANAN PERIJINAN TERPADU KABUPATEN BANGKALAN MENGGUNAKAN NAIVE BAYES CLASSIFIER
Kembali ke Daftar