Implementasi Algoritma Random Forest Classifier dalam Melakukan Klasifikasi Kelayakan Edibilitas pada Jamur

Siswanto, Mario (2020) Implementasi Algoritma Random Forest Classifier dalam Melakukan Klasifikasi Kelayakan Edibilitas pada Jamur. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (204kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (533kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (403kB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (119kB) | Preview
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (251kB) | Preview
	Text HALAMAN_AWAL (1).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (379kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

Jamur merupakan salah satu tumbuhan liar yang banyak tersebar di alam liar. Tidak semua jamur itu beracun dan dapat dimakan. Sejatinya jamur dapat diklasifikasikan dengan mata telanjang. Namun, terdapat kendala yang dihadapi. Jamur memiliki keberagaman, sehingga masih sulit diidentifikasi. Sebagai solusi dari permasalahan tersebut, dibutuhkan bantuan komputer agar klasifikasi jamur yang layak konsumsi dengan jamur yang beracun dapat dilakukan dengan data mining. Data mining dapat dilakukan dengan metode pembelajaran mesin. Machine learning atau pembelajaran mesin memungkinkan pengguna untuk memberikan ilmu kepada komputer dan membuat komputer tersebut menganalisa, dan membuat rekomendasi ataupun keputusan berdasarkan data yang diberikan sehingga merupakan pilihan tepat untuk melakukan klasifikasi. Random Forest (RF) merupakan salah satu ensemble learning kombinasi decision tree yang memberikan akurasi yang tergolong lebih tinggi karena algoritma ini akan menangani missing values dan tetap menjaga keakuratan data dengan jumlah besar. Random Forest ini akan diimplementasikan ke dalam aplikasi sistem untuk melakukan klasifikasi yang akan diterapkan pada perangkat PC berbasis offline yang diharapkan dapat membantu pengguna dalam melakukan klasifikasi pada jamur. Penelitian ini berhasil menerapkan algoritma random forest untuk melakukan klasifikasi jamur menjadi 2 label poisonous dan edible Hasilnya sistem dapat melakukan klasifikasi jamur dengan akurasi sebesar 98.0307% dari data test hasil training model.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Implementasi, Jamur, Data Mining, Algoritma Random Forest, Aplikasi berbasis web offline
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	05 Dec 2020 06:29
Last Modified:	25 Aug 2023 08:31
URI:	https://kc.umn.ac.id/id/eprint/13543

Actions (login required)

View Item