// <![CDATA[PENERAPAN RANDOM FOREST DALAM MENGATASI OVERFITTING PADA KLASIFIKASI TIPE JAMUR DENGAN METODE DECISION TREE]]> 0411105902 - Dr. Uung Ungkawa, S.T., M.T. Dosen Pembimbing 1 Aly Mulkan Arifuddin / 152019088 Penulis
Jamur adalah organisme yang dapat ditemui di berbagai jenis lingkungan dan mendapatkan perhatian yang semakin meningkat dalam dunia ilmiah dan pangan. Jamur memiliki peran penting dalam ekologi dan aplikasi praktis seperti pengolahan makanan dan obat-obatan. Manfaat dari konsumsi jamur telah menjadi sorotan utama dalam penelitian nutrisi dan kesehatan. Penelitian ini bertujuan untuk mengatasi overfitting dan menentukan kinerja metode decision tree dan random forest dalam klasifikasi tipe jamur. Penelitian ini menggunakan metode kuantitatif dengan dataset berupa atribut-atribut fisik jamur dan label kelasnya. Data dibagi menjadi training data (80%) dan testing data (20%) dan dilakukan pre-processing sebelum klasifikasi. Penelitian ini juga menggunakan hyperparameter untuk meningkatkan akurasi dan mengurangi waktu proses. Hasil penelitian menunjukan bahwa model dengan menggunakan seluruh fitur dan hyperparameter memilki nilai akurasi, presisi, recall, dan f1 score tertinggi, yaitu 99,938%, 100%, 100%, dan 99,936%. Selain itu, penggunaan beberapa fitur juga dapat memberikan pengaruh positif dalam meningkatkan akurasi dan mengurangi overfitting. Penelitian ini dapat memberikan hasil yang sesuai dengan diagonisis ciri-ciri jamur dengan menggunakan metode decision tree dan random forest.