Optimalisasi Model Random Forest Dengan Hyperparameter Tuning Menggunakan Grid Search Untuk Klasifikasi Penyakit Pada Tanaman Kedelai (Glycine max L)

• MUHAMMAD RAHMAN HERDIAN FAJRI
• 2025

---

ABSTRAKSI

 

Kedelai (Glycine max L.) merupakan komoditas strategis di Indonesia yang produktivitasnya kerap terhambat oleh serangan penyakit tanaman. Proses identifikasi penyakit yang masih dilakukan secara konvensional berpotensi menimbulkan subjektivitas dan ketidakefisienan. Penelitian ini bertujuan untuk membangun model klasifikasi penyakit kedelai berbasis algoritma Random Forest yang dioptimasi menggunakan Grid Search guna memperoleh performa prediksi yang lebih akurat dan stabil. Dataset yang digunakan adalah Soybean (Large) dari UCI Machine Learning Repository dengan 638 entri dan 19 kelas penyakit. Tahapan penelitian meliputi pra-pemrosesan data, pembangunan baseline menggunakan DummyClassifier, pelatihan model Random Forest default, serta optimasi hyperparameter melalui GridSearchCV dengan Stratified 5-Fold Cross Validation.

Hasil penelitian menunjukkan bahwa DummyClassifier hanya mencapai akurasi 13,64%, sementara Random Forest default menghasilkan akurasi 94,54% dengan F1-score 95,00%. Setelah dilakukan tuning hyperparameter, model mencapai akurasi validasi 95,45% dan meningkat hingga 96,35% pada data uji, dengan presisi, recall, dan F1-score tertimbang konsisten di kisaran 96,00%. Evaluasi menggunakan cross-validation mengonfirmasi bahwa model tidak mengalami overfitting dan mampu menjaga stabilitas performa pada distribusi data yang berbeda.

Dengan demikian, optimasi hyperparameter Random Forest menggunakan Grid Search terbukti meningkatkan akurasi dan generalisasi model, sehingga layak diterapkan dalam sistem klasifikasi penyakit tanaman kedelai. Temuan ini berkontribusi pada pengembangan teknologi pertanian berbasis machine learning yang cepat, akurat, dan efisien.

Kata kunci: kedelai, penyakit tanaman, Random Forest, Grid Search, klasifikasi, machine learning

• Klasifikasi Penyakit daun kedelai dengan algoritma random forest

https://repository.bsi.ac.id/repo/65903/Optimalisasi-Model-Random-Forest-Dengan-Hyperparameter-Tuning-Menggunakan-Grid-Search-Untuk-Klasifikasi-Penyakit-Pada-Tanaman-Kedelai-(Glycine-max-L)
Anda dapat membaca file tugas akhir ini di repository.