Electronic Book

PEMILIHAN FITUR UNTUK PREDIKSI KEMATANGAN KELAPA SAWIT MENGGUNAKAN EXPLAINABLE AI (XAI)

---

Penentuan tingkat kematangan buah kelapa sawit merupakan aspek penting dalam menunjang efisiensi panen dan kualitas produksi. Penelitian ini mengusulkan pendekatan berbasis machine learning untuk mengklasifikasikan kematangan buah kelapa sawit menggunakan fitur warna (RGB) dan tekstur (GLCM) yang diekstraksi dari citra. Dua model machine learning, yaitu Random Forest (RF) dan Support Vector Machine (SVM), diuji kinerjanya melalui validasi train-test split dan 10-fold cross-validation serta evaluasi metrik performa dan uji statistik. Selain itu, dilakukan seleksi fitur menggunakan metode Recursive Feature Elimination (RFE). Hasil eksperimen menunjukkan bahwa kedua model memiliki performa klasikasi yang baik, dengan SVM sedikit lebih unggul dalam akurasi (0.75) dan menunjukkan stabilitas lebih baik dibandingkan RF (0.73). Seleksi tur tidak memberikan peningkatan signifikan terhadap kinerja model, namun berkontribusi terhadap interpretabilitas. Analisis SHAP mengungkap bahwa fitur RGB, khususnya kanal R dan G, memberikan pengaruh terbesar dalam klasifikasi.

---

Ketersediaan

UNDA107360

SI.2025 OCT p

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

SI.2025 OCT p

Penerbit

Sampit : Universitas Darwan Ali., 2025

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

SI.2025

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

1

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Octo Bian Limet

Informasi Lainnya

Program Studi

S1 Sistem Informasi

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar