Perbandingan Metode Seleksi Fitur Filter, Wrapper, Dan Embedded Pada Klasifikasi Data Nirs Mangga Menggunakan Random Forest Dan Support Vector Machine (Svm)

Abstract

Pembangunan model klasifikasi seringkali dihadapkan pada masalah pengolahan data saat ingin menggunakan dataset yang berdimensi tinggi karena dapat memakan waktu dan memerlukan upaya komputasi yang berlebihan. Hal ini juga menyebabkan terjadinya sebuah fenomena pada data yaitu “Curse of Dimensionality”. Curse of Dimensionality ini terjadi saat dimensi dari data sangat tinggi dan mengakibatkan nilai informasi penting yang didapatkan semakin menurun. Untuk mengatasi masalah tersebut, penelitian ini akan menggunakan teknik pengurangan dimensi yaitu teknik seleksi fitur. Penelitian ini akan menerapkan sembilan metode seleksi fitur dari tiga kategori berbeda yaitu filter, wrapper, dan embedded terhadap dataset spektrum NIRS dari buah mangga untuk kemudian dilakukan proses klasifikasi menggunakan Random Forest dan Support Vector Machine (SVM). Penelitian ini membangun empat skenario pada model klasifikasi yaitu Random Forest dengan 100, 150, dan 200 trees serta klasfikasi menggunakan SVM dengan RBF kernel. Hasil yang diperoleh dari masingmasing

klasifikasi berbeda tergantung dari model klasifikasi, jumlah tree (pada Random Forest), metode seleksi fitur, dan jumlah fitur yang digunakan. Seluruh skenario klasifikasi yang menggunakan Random Forest dapat mencapai performa tertinggi dengan menggunakan fitur-fitur Mutual Information, perbedaan hanya terdapat pada jumlah fitur yang dibutuhkan. Pada klasifikasi Random Forest dengan 100 tree, performa terbaik diperoleh dari penggunaan 70 fitur dari Mutual Information yang menghasilkan 0.96 accuracy, 0.96 recall, dan 0.96 precision sedangkan yang terendah dihasilakan menggunakan 63 fitur dari ANOVA yang menghasilkan 0.88 accuracy, 0.88 recall, dan 0.88 precision. Pada klasifikasi Random Forest yang menggunakan 150 tree, hasil klasifikasi terbaik diperoleh dengan menggunakan 69 fitur Mutual Information yang menghasilkan 0.96 accuracy, 0.96 recall, dan 0.95 precision. Pada skenario klasifikasi ini, hasil terendah juga diperoleh dari penggunaan 63 fitur dari ANOVA yang mendapatkan 0.88 accuracy, 0.88 recall, dan 0.88 precision. Selanjutnya, klasifikasi Random Forest yang menggunakan 200 trees mendapatkan performa tertinggi dengan menggunakan 72 fitur dari metode Mutual Information dan menghasilkan 0.96 accuracy, 0.96 recall, dan 0.96 precision. Sedangkan performa terendah diperoleh dengan menggunakan 66 fitur hasil seleksi ANOVA yang menghasilkan 0.88 accuracy, 0.88 recall, dan 0.88 precision.