Perbandingan Metode Seleksi Fitur Filter, Wrapper, Dan Embedded Prediksi Kandungan Vitamin C Pada Buah Mangga Meggunakan Metode Linear Regression Dan Random Forest Regression

Abstract

Mengolah data yang memiliki dimensi tinggi merupakan suatu tantangan penelitian. Alasannya karena memerlukan waktu komputasi yang lama untuk bisa menyelesaikannya. Data yang memiliki dimensi tinggi juga memiliki kekurangan yang sering disebut high dimensional data karena dapat menyebabkan fenomena Curse of dimensionality. Fenomena ini menyebabkan pemborosan ruang penyimpanan, kemampuan visualisasi yang buruk, serta terjadi overfitting. Untuk mengatasi masalah itu, penelitian ini akan menggunakan teknik untuk mengurangi fitur yang banyak dengan seleksi fitur. Penelitian ini menggunakan sembilan metode berbeda yang dapat dikategorikan menjadi tiga kategori seleksi fitur, yaitu Filter, Wrapper, dan Embedded. Untuk data yang diuji adalah dataset NIRS mangga yang terkenal dengan banyaknya fitur didalamnya. Setelah berhasil di seleksi fitur, data kemudian akan dilakukan prediksi menggunakan metode regresi untuk mengetahui kandungan vitamin c pada mangga menggunakan dua metode berbeda, yaitu Linear Regression dan Random Forest Regression. Metode Random Forest Regression akan dilakukan dengan tiga skenario menggunakan tiga trees yang berbeda untuk dibandingkan performanya. Hasil yang diperoleh dari prediksi vitamin c pada mangga berbeda tergantung pada model regresi dan seleksi fitur. Untuk prediksi tanpa melakukan seleksi fitur, Linear Regression mendapatkan nilai performa yang lebih baik dibandingkan Random Forest Regression dengan nilai pengujian 187.48 MSE, 13,42 RMSE, 10,89 MAE, dan R2 -0.17. Sedangkan untuk metode seleksi fitur Fisher Score mendapatkan nilai pengujian performa terbaik di antara delapan metode lainnya setelah di prediksi menggunakan Linear Regression dengan nilai pengujian 132.19 MSE, 11.5 RMSE, 9.51 MAE, dan 023 R2