BAB III METODOLOGI PENELITIAN
3.3 Tahapan Penelitian
3.3.5 Visualisasi
Setelah itu, melakukan visualisasi dari model yang telah dihasilkan untuk memudahkan pembaca dalam memahaminya dalam bentuk pohon keputusan.
Visualisasi model dalam bentuk pohon keputusan akan membentuk sebuah aturan.
Dimana, aturan tersebut akan memberikan informasi terkait kombinasi atribut yang akan terbentuk hingga menghasilkan kelas target.
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN 4.1 Data Penelitian
Data yang akan dipakai dalam penelitian ini berjumlah 4952, memiliki 9 atribut pendukung dan 1 kelas target yaitu Grade Mutu. Berikut atribut data yang digunakan penelitian ini dapat dilihat pada tabel 4.1.
Tabel 4.1 Atribut Data
No Atribut Kategori No Atribut Kategori 1 Variates Pandan Wangi 6 Teknik SRI
Ciherang Jajar Legowo
Mekongga 7 Musim Kemarau
IR 64 Hujan
Beras Merah 8 Penyakit Wereng Coklat
Beras Hitam Wereng Hijau
2 Panjang Panjang Tikus
Sedang Burung
3 Bentuk Ramping Penggerek Batang
Medium 9 PH 2
Bulat 3
4 Warna Putih 4
Merah 5
Hitam 10 Grade Mutu Grade A
Coklat Grade B
5 Rasa Pulen Grade C
Sangat Pulen Grade D
4.2 Preprocessing
Preprocessing dilakukan diawal dengan melakukan pengecekan data sebelum diklasfikasikan. Adapun hal yang dilakukan sebagai berikut :
4.2.1 Data Transformation
Melakukan transformasi kategori kelas target pada atribut grade mutu data padi organik yang mengacu pada peraturan SNI 6128:2015. Pada Tabel 4.1 poin ke 10 terdapat 4 kategori kelas target yakni Grade A, Grade B, Grade C, Grade D akan
dirubah menjadi Premium, Medium Mutu I, Medium Mutu II, Medium Mutu III sesuai peraturan beras. Dimana, beras jenis Premium merupakan beras yang paling berkualitas. Hasil dari transformasi yang dilakukan dapat dilihat pada tabel dibawah ini.
Tabel 4.2 Data Transformation No
Atribut Grade Mutu
Kategori Awal Transformasi Kategori
1 Grade A Premium
2 Grade B Medium Mutu I
3 Grade C Medium Mutu II
4 Grade D Medium Mutu III
4.2.2 Data Balancing
Gambar 4.1 Visualisasi Bar Plot Pada Atribut Data Mutu Padi Organik Pada Gambar 4.1 bahwasannya dataset yang digunakan memiliki proporsi kelas yang tidak seimbang atau imbalance class dimana jumlah proporsi kelas grade mutu yang dimiliki pada data tersebut cukup jauh berbeda, pada nilai Premium berjumlah 82, Medium Mutu I berjumlah 1069, Medium Mutu II
berjumlah 2392, dan Medium Mutu III berjumlah 869. Dapat dilihat dengan jelas perbedaannya pada Gambar dibawah ini.
Gambar 4.2 Class Distribution Data Asli
Data balancing dilakukan menggunakan bantuan tools weka dengan teknik undersampling. Hasilnya dapat dilihat gambar dibawah ini, data memiliki kelas yang seimbang dengan jumlah total 328 data dan tiap kelas memilki 82 proporsi data.
Gambar 4.3 Class Distribution Proporsi Kelas Seimbang 4.2.3 Finalisasi Data
Dari hasil transformasi dan balancing data dibentuk 2 file dalam bentuk spreadsheet yang nantinya kedua data tersebut akan diuji menggunakan algoritma C5.0 dengan metode evaluasi k-fold cross-validation dan splitting train-test data.
Data pertama merupakan data asli yang kelas targetnya tidak seimbang dan data kedua merupakan data yang sudah melalui proses data balancing.
4.3 Algoritma C5.0
Dalam pembentukan pohon keputusan hal yang harus dilakukan terlebih dahulu adalah menghitung jumlah kelas dan menghitung entropy menggunakan persamaan [2.1] dari masing-masing kelas berdasarkan atribut yang digunakan dengan data yang akan diuji. Lalu menghitung information subset menggunakan persamaan [2.2], menghitung gain information menggunakan persamaan [2.3] dan menghitung gain ratio menggunakan persamaan [2.4]. Hal ini dijelaskan pada Gambar 3.5 Tahapan Algoritma C5.0. Pada Tabel 4.3 dibawah ini merupakan tabel
perhitungan algoritma C5.0 pada data mutu padi organik menggunakan data asli dan pada Tabel 4.4 dengan data proporsi kelas yang seimbang.
Tabel 4.3 Hasil Hitung Entropy, Info Gain, Gain Ratio Dengan Data Asli Total Premiu
m
Medium Mutu I
Medium Mutu II
Medium
Mutu III Entropy Info Gain Split Info Gain Ratio
4952 82 1609 2392 869 1.5725944
Variates
1.26467128 2.584962265 0.489241679
Pandan Wangi 826 82 330 248 166 1.8460478
Ciherang 826 0 288 414 124 0
Mekongga 825 0 165 371 289 0
IR 64 825 0 165 370 290 0
Beras Merah 825 0 331 494 0 0
Beras Hitam 825 0 330 495 0 0
Panjang
0.010743681 1.000703748 0.010736125
Panjang 2481 37 860 1246 338 1.5111192
Sedang 2463 45 746 1143 529 1.6180261
Bentuk
1.233592992 1.291099255 0.955459456
Ramping 3198 0 945 1674 579 0
Medium 826 0 288 414 124 0
Bulat 928 82 376 304 166 1.8089819
Warna
1.456744291 1.315059995 1.107739796
Putih 2889 0 700 1321 868 0
Merah 825 0 331 494 0 0
Hitam 825 0 330 495 0 0
Coklat 413 82 248 82 1 1.3890798
Rasa
0.743169621 1 0.743169621
Pulen 2476 0 783 1279 414 0
Sangat Pulen 2476 82 826 1113 455 1.6588496
Teknik
0.794537987 1 0.794537987
SRI 2476 82 866 1237 291 1.5561129
Jajar Legowo 2476 0 743 1155 578 0
Musim
0.723371937 0.999999529 0.723372277
Kemarau 2474 82 866 990 536 1.699818
Hujan 2478 0 743 1402 333 0
Penyakit
0.883256171 2.321927918 0.380397757
Wereng Coklat 990 41 289 453 207 1.6969915
Wereng Hijau 990 0 990 0 0 0
Tikus 990 0 41 783 166 0
Burung 991 0 41 785 165 0
Penggerek
Batang 991 41 248 371 331 1.7493255
PH
1.180909537 2.000448285 0.590322452
2 1242 0 248 661 333 0
3 1238 0 330 455 453 0
4 1238 0 495 741 0 0
5 1238 82 536 535 83 1.5667396
Tabel 4.4 Hasil Hitung Entropy, Info Gain, Gain Ratio Dengan Data Balance Total Premium Medium
Mutu I
Medium Mutu II
Medium
Mutu III Entropy Info Gain Split Info Gain Ratio
328 82 82 82 82 2
Variates
1.470595873 2.37299 0.619723
Pandan Wangi 123 82 19 7 15 1.411744338
Ciherang 32 0 7 16 9 0
Mekongga 37 0 4 10 23 0
IR 64 61 0 10 17 35 0
Beras Merah 33 0 22 11 0 0
Beras Hitam 41 0 20 21 0 0
Panjang
0.025375483 0.999571 0.025386
Panjang 160 37 42 51 30 1.973631116
Sedang 168 45 40 31 52 1.975570613
Bentuk
1.415899186 1.351731 1.047471
Ramping 168 0 55 55 58 0
Medium 32 0 7 16 9 0
Bulat 128 82 20 11 15 1.496758336
Warna
2 1.214746 1.646435
Putih 159 0 28 49 82 0
Merah 33 0 22 11 0 0
Hitam 41 0 20 21 0 0
Coklat 95 82 12 1 0 0
Rasa
0.893706186 0.977325 0.914441
Pulen 135 0 37 54 44 0
Sangat Pulen 193 82 45 28 38 1.880126275
Teknik
0.852591882 0.966892 0.881786
SRI 199 82 46 43 28 1.891205341
Jajar Legowo 129 0 36 39 54 0
Musim
0.767494503 0.942481 0.814335
Kemarau 210 82 44 36 48 1.925056205
Hujan 118 0 38 46 34 0
Penyakit
0.939506054 2.217293 0.423718
Wereng Coklat 96 41 12 20 23 1.864549281
Wereng Hijau 50 0 50 0 0 0
Tikus 48 0 1 32 15 0
Burung 38 0 3 23 12 0
Penggerek
Batang 96 41 16 7 32 1.758805036
PH 1.689697169 1.969692 0.857849
2 72 0 17 21 34 0
3 80 0 21 18 41 0
4 80 0 21 25 0 0
5 80 82 23 18 7 1.272241606
Pada Tabel 4.3 dan Tabel 4.4 diketahui hasil dari perhitungan entropy , information gain dan gain ratio terhadap data asli dan data dengan kelas seimbang.
Untuk perhitungannya dibedakan dengan huruf (a) yang merupakan data asli dan (b) data dengan kelas seimbang, berikut contoh perhitungan entropy total menggunakan persamaan 2.1 :
a. Entropy (Total) = -[ 82
4952log2 82
4952+1609
4952log21609
4952+2392
4952log22392
4952+ 869
4952log2 869
4952]
= 1.5725944
b. Entropy (Total) = -[32882 log2 82
328+ 82
328log2 82
328+ 82
328log2 82
328+ 82
328log2 82
328]
= 1
Penghitungan entropy dengan persamaan 2.1 dilakukan terhadap semua nilai dari atribut pendukung. Sedangkan, information gain dihitung menggunakan persamaan 2.3, namun sebelumnya harus menghitung information subset terlebih dahulu.
Berikut contoh perhitungan information subset pada atribut warna menggunakan persamaan 2.2 :
a. Information Subset (Warna) = [2889
4952NaN+ 825
4952NaN+ 825
4952NaN+ 413
49521.3890798]= 0.115850151 b. Information Subset (Warna) =
[159
328NaN+ 33
328NaN+ 41
328NaN+ 95
328NaN]= 0
Berikut contoh perhitungan information gain menggunakan persamaan 2.3 :
a. Information Gain (Warna, Total) = 1.5725944 - 0.115850151 = 1.456744291 b. Information Gain (Warna, Total) = 2 - 0 = 2
Penghitungan dilanjutkan menggunakan persamaan 2.4 untuk menghitung gain ratio. Dimana, nilai teringgi yang dihasilkan dari penghitungan gain ratio terhadap kedua data tersebut akan dijadikan sebagai root pada tahap pembentukan pohon keputusan. Berikut merupakan contoh perhitungan gain ratio pada atribut warna dengan persamaan 2.4 :
a. Gain Ratio (Warna) =1.456744291
1.315059995= 1.107739796 b. Gain Ratio (Warna) = 2
1.214746= 1.646435
Dari perhitungan algoritma C5.0 terhadap data asli (a) pada Tabel 4.3 dan data dengan kelas seimbang (b) pada Tabel 4.4, dapat disimpulkan bahwa atribut warna memiliki nilai gain ratio tertinggi dan atribut warna dijadikan sebagai root pada pohon keputusan.
4.4 Modelling
Setelah melalui proses preprocessing dan data telah siap digunakan, langkah selanjutnya adalah klasifikasi data tersebut menggunakan algoritma C5.0 diuji menggunakan metode K-fold cross-validation dan splitting train-test data dengan bantuan tools RStudio dan memanfaatkan library C5.0 yang tersedia. Pengujian ini menggunakan dua data yaitu, data asli yang berjumlah 4952 yang disebut dengan variabel (a) dan data dengan kelas target yang seimbang berjumlah 328 disebut dengan variabel (b).
4.4.1 Implementasi Algoritma C5.0
Implementasi Algoritma C5.0 dilakukan dengan bantuan software RStudio dan menggunakan bahasa pemrograman R. Pembuatan model C5.0 untuk menghasilkan nilai akurasi menggunakan uji k-fold cross-validation dan splitting train-test data, seperti yang ditunjukkan pada gambar berikut ini :
set.seed(1234)
split82a <- sample(2, nrow(data1), replace = TRUE, prob = c(0.8,0.2)) split82b <- sample(2, nrow(data2), replace = TRUE, prob = c(0.8,0.2)) trainDataSplit82a <- data1[split82a==1,]
testDataSplit82a <- data1[split82a==2,]
trainDataSplit82b <- data2[split82b==1,]
testDataSplit82b <- data2[split82b==2,]
split73a <- sample(2, nrow(data1), replace = TRUE, prob = c(0.7,0.3)) split73b <- sample(2, nrow(data2), replace = TRUE, prob = c(0.7,0.3)) trainDataSplit73a <- data1[split73a==1,]
testDataSplit73a <- data1[split73a==2,]
trainDataSplit73b <- data2[split73b==1,]
testDataSplit73b <- data2[split73b==2,]
Gambar 4.4 Source Code Data Partition Model Evaluation Splitting TrainTest Pada Gambar 4.4 merupakan source code pembagian data model evaluasi splitting train-test data. Pada splitting train-test data menggunakan variasi 80:20 dan 70:30. Variasi 80:20 membagi data menjadi 2 bagian secara acak, 80% dari jumlah data akan dijadikan sebagai data latih dan 20% nya akan dijadikan sebagai data uji, begitu juga pada variasi 70:30. Pembagian data ini dilakukan terhadap 2 data yang akan digunakan yaitu data asli dengan kelas tidak seimbang (a) dan data dengan kelas seimbang (b).
folds10a<-cut(seq(1,nrow(data1)),breaks = 10,labels = FALSE) for (i in 1:10) {
testIndexes10foldsa <- which(folds10a==i, arr.ind = TRUE) testData10foldsa <- data1[testIndexes10foldsa, ]
trainData10foldsa <- data1[-testIndexes10foldsa,]}
folds10b<-cut(seq(1,nrow(data2)),breaks = 10,labels = FALSE) for (i in 1:10) {
testIndexes10foldsb <- which(folds10b==i, arr.ind = TRUE) testData10foldsb <- data2[testIndexes10foldsb, ]
trainData10foldsb <- data2[-testIndexes10foldsb,]}
folds5a<-cut(seq(1,nrow(data1)),breaks = 5,labels = FALSE) for (i in 1:5) {
testIndexes5foldsa <- which(folds5a==i, arr.ind = TRUE) testData5foldsa <- data1[testIndexes5foldsa, ]
trainData5foldsa <- data1[-testIndexes5foldsa,]}
folds5b<-cut(seq(1,nrow(data2)),breaks = 5,labels = FALSE) for (i in 1:5) {
testIndexes5foldsb <- which(folds5b==i, arr.ind = TRUE) testData5foldsb <- data2[testIndexes5foldsb, ]
trainData5foldsb <- data2[-testIndexes5foldsb,]}
Gambar 4.5 Source Code Data Partition Model Evaluation K-fold Pada Gambar 4.5, data (a) dan (b) dibagi menjadi sejumlah nilai k yang kira- kira sama, sehingga kedua data tersebut memiliki k subset data untuk mengevaluasi kinerja model. Misalnya nilai k = 10, maka untuk dari masing-masing 10 subset kedua data tersebut, cross-validation akan menggunakan 9 fold untuk pelatihan dan 1 fold untuk pengujian. Adapun pembentukan model Algoritma C5.0 pada kedua
data tersebut menggunakan data latih yang sudah dibagi berdasarkan model evaluasi yang digunakan, dapat dilihat pada Gambar 4.4 berikut ini :
tree10foldsa <- C5.0(predictor1, data=trainData10foldsa) tree10foldsb <- C5.0(predictor2, data=trainData10foldsb) tree5foldsa <- C5.0(predictor1, data=trainData5foldsa) tree5foldsb <- C5.0(predictor2, data=trainData5foldsb) treesplit82a <- C5.0(predictor1, data=trainDataSplit82a) treesplit82b <- C5.0(predictor2, data=trainDataSplit82b) treesplit73a <- C5.0(predictor1, data=trainDataSplit73a) treesplit73b <- C5.0(predictor2, data=trainDataSplit73b)
Gambar 4.6 Source Code Model Algoritma C5.0 Menggunakan Train Data Pembentukan model pada Gambar 4.6 menghasilkan 8 model. Dimana, model tersebut merupakan pengujian Algoritma C5.0 dengan data latih dari keempat evaluasi model digunakan. Untuk lebih jelasnya dapat dilihat pada Tabel 4.5 dibawah ini.
Tabel 4.5 Model Evaluation Terhadap Data Train Data Model
Evaluation
Attributs involved
Root node
Decision tree Size Error (a)
10-fold Penyakit, Warna, PH, Bentuk, Variates, Musim,
Teknik
Penyakit
22 0(0.0%)
5-fold 22 0(0.0%)
Split 80:20 23 1(0.0%)
Split 70:30 21 0(0.0%)
(b)
10-fold Warna, Penyakit, Bentuk, PH,
Teknik
Warna 18 2(0.7%)
5-fold Penyakit 18 2(0.8%)
Split 80:20
Warna, Penyakit, PH, Bentuk,
Musim
Warna
18 1(0.4%)
Split 70:30
Warna, Penyakit, PH, Bentuk,
Teknik
19 1(0.4%)
Atribut yang terlibat dalam klasifikasi C5.0 dengan model evaluasi k-fold nilai k = 10 dan 5 serta model split 80:20 dan 70:30 dengan data (a) adalah penyakit, warna, ph, bentuk, variates, musim, dan teknik. Ukuran pohon keputusan pada model k-fold berjumlah 22. Ukuran pohon keputusan pada model split 80:20 berjumlah 23 dan model split 70:30 berjumlah 21. Root node artibut pada semua model evaluasi dengan data (a) adalah penyakit, dengan rate error 0%.
Sedangkan, Atribut yang terlibat dalam klasifikasi C5.0 pada data (b) dengan model evaluasi k-fold nilai k = 10 dan 5 adalah Warna, Penyakit, Bentuk, PH, Teknik. Ukuran pohon keputusan yang terbentuk berjumlah 18, namun atribut root node yang terpilih berbeda, pada nilai k = 10 dengan atribut warna dan nilai k = 5 dengan atribut penyakit. Rate error decision tree yang dihasilkan pada k = 10 lebih kecil 0.1% dari pada nilai k = 5 dengan persentase 0.8%. Pada model split 80:20 dan 70:30 ukuran pohon keputusan pada kedua model split berbeda yakni berjumlah 18 dan 19. Root node artibut pada kedua model evaluasi split dengan data (b) adalah warna, dengan rate error yang sama yaitu 1(0.4)%.
Tabel 4.6 Rate Atribut pada Model K-fold Terhadap Data Train
(a) (b)
10 fold 5 fold 10 fold 5 fold
Attributs involved
Rate (%)
Attributs involved
Rate (%)
Attributs involved
Rate (%)
Attributs involved
Rate (%) Penyakit 100.00 Penyakit 100.00 Warna 100.00 Penyakit 100.00
Warna 80.00 Warna 80.01 Penyakit 96.95 PH 80.92
PH 80.00 PH 80.01 Bentuk 84.41 Warna 80.92
Bentuk 39.18 Bentuk 39.18 PH 34.24 Bentuk 38.55
Variates 33.33 Variates 33.32
Teknik 24.07 Teknik 27.10
Musim 27.51 Musim 27.52
Teknik 3.32 Teknik 3.33
Pada Tabel 4.6 dapat dijelaskan bahwa atribut penyakit memiliki rate tertinggi pada keterlibatan pembentukan pohon keputusan dengan rate 100%, 3 dari 4 model evaluasi k-fold dari data (a) dan (b) menyatakan bahwa atribut penyakit sangat terlibat. Namun, pada model evaluasi k-fold dengan nilai k=10 terhadap data (b) rate keterlibatan atribut penyakit sebesar 96.95% lebih kecil 3.05% dari atribut warna, dimana atribut warna dengan rate keterlibatan 100%. Adapun rate keterlibatan atribut terendah terdapat pada model evaluasi 10-fold dengan data (a) yakni atribut teknik sebesar 3.32% yang hanya selisih 0.01% dari model evaluasi 5-fold dengan rate 3.33%. Terdapat dua atribut yang tidak terlibat pada penelitian ini yaitu atribut: panjang dan rasa. Tidak keterlibatan atribut ini berarti kedua atribut tersebut tidak esensial untuk menentukan kelas mutu padi organik.
Sehingga dapat diartikan bahwa nilai gain pada atribut penyakit dan warna paling tinggi dibandingkan dengan atribut lainnya. Nilai tertinggi pada gain dipengaruhi oleh nilai entropi yang dihasilkan melalui perhitungan keragaman artibut. Sehingga atribut tersebut dipilih untuk menjadi root node pada pohon keputusan.
Tabel 4.7 Rate Atribut pada Model Split Terhadap Data Train
(a) (b)
80:20 70:30 80:20 70:30
Attributs involved
Rate (%)
Attributs involved
Rate (%)
Attributs involved
Rate (%)
Attributs involved
Rate (%) Penyakit 100.00 Penyakit 100.00 Warna 100.00 Warna 100.00
Warna 79.81 Warna 79.64 Penyakit 97.36 Penyakit 96.90
pH 79.79 pH 79.64 pH 79.62 pH 79.65
Bentuk 38.78 Bentuk 46.85 Bentuk 32.08 Bentuk 30.97 Variates 33.81 Variates 32.79
Musim 29.06 Teknik 17.70 Musim 26.72 Teknik 27.01
Teknik 1.52 Musim 4.05
Pada Tabel 4.7 dapat dijelaskan bahwa atribut penyakit memiliki rate tertinggi pada keterlibatan pembentukan pohon keputusan dengan rate 100% pada kedua model evaluasi split dari data (a). Sedangkan, pada data (b) menyatakan bahwa atribut warna yang memiliki rate tertinggi. Adapun rate keterlibatan atribut terendah terdapat pada model evaluasi split 80:20 dengan data (a) yakni atribut teknik sebesar 1.52%, sedangkan pada data (b) rate terendah terdapat model evaluasi split 70:30 pada atribut teknik sebesar 17.70%. Sama halnya dengan Tabel 4.6 bahwa terdapat dua atribut yang tidak terlibat yaitu atribut panjang dan rasa.
4.4.2 Menghitung Nilai Akurasi
Menghitung nilai akurasi menggunakan persamaan 2.5 berdasarkan nilai confusion matrix bedasarkan nilai True Positive (TP) yang merupakan hasil dari tree-based dengan data uji pada model evaluasi 10-fold, 5-fold, split 80:20, dan split 70:30. Hasil dari perhitungan nilai akurasi tertinggi akan divisualisasikan dalam bentuk pohon keputusan. Berikut merupakan confusion matrix yang dihasilkan 8 model validasi.
Tabel 4.8 Confusion Matrix Data Partition Model
Data Partition
Data
Test Kelas Target
medium mutu I medium mutu II medium mutu III premium
10-fold
(a)
medium mutu I 162 0 0 0
medium mutu II 0 236 1 0
medium mutu III 0 1 88 0
premium 0 0 0 8
(b)
medium mutu I 0 0 0 0
medium mutu II 0 0 0 0
medium mutu III 0 0 0 0
premium 0 0 0 33
5-fold
(a)
medium mutu I 322 0 0 0
medium mutu II 0 477 1 0
medium mutu III 0 1 174 0
premium 0 0 0 16
(b)
medium mutu I 0 0 0 0
medium mutu II 0 0 0 0
medium mutu III 0 0 0 0
premium 0 0 0 66
80:20
(a)
medium mutu I 311 0 0 0
medium mutu II 0 484 0 0
medium mutu III 0 0 194 0
premium 0 0 0 15
(b)
medium mutu I 13 1 0 0
medium mutu II 0 18 0 0
medium mutu III 0 0 13 0
premium 0 0 0 18
70:30
(a)
medium mutu I 474 0 0 0
medium mutu II 0 750 1 0
medium mutu III 0 0 243 0
premium 0 0 0 26
(b)
medium mutu I 26 1 0 0
medium mutu II 0 26 0 0
medium mutu III 0 0 24 0
premium 0 0 0 25
Perhitungan akurasi model 10-fold dengan persamaan 2.5 pada data (a) dan (b) : a. 𝐴𝑘𝑢𝑟𝑎𝑠𝑖(%) = 162+236+88+8
496 × 100 = 99.60%
b. 𝐴𝑘𝑢𝑟𝑎𝑠𝑖(%) = 0+0+0+33
33 × 100 = 100.00%
Perhitungan akurasi model 5-fold dengan persamaan 2.5 pada data (a) dan (b) : a. 𝐴𝑘𝑢𝑟𝑎𝑠𝑖(%) = 322+477+174+16
991 × 100 = 99.80%
b. 𝐴𝑘𝑢𝑟𝑎𝑠𝑖(%) = 0+0+0+66
66 × 100 = 100.00%
Perhitungan akurasi model split 80:20 dengan persamaan 2.5 pada data (a) dan (b):
a. 𝐴𝑘𝑢𝑟𝑎𝑠𝑖(%) = 311+484+194+15
1.004 × 100 = 100.00%
b. 𝐴𝑘𝑢𝑟𝑎𝑠𝑖(%) = 13+18+13+18
63 × 100 = 98.41%
Perhitungan akurasi model split 70:30 dengan persamaan 2.5 pada data (a) dan (b):
a. 𝐴𝑘𝑢𝑟𝑎𝑠𝑖(%) = 474+750+243+26
1.494 × 100 = 99.93%
b. 𝐴𝑘𝑢𝑟𝑎𝑠𝑖(%) = 26+26+24+25
102 × 100 = 99.02%
Semua perhitungan akurasi dituangkan pada Tabel 4.9 dibawah ini.
Tabel 4.9 Nilai Akurasi
Berdasarkan analisis pada data (a) yang dapat dilihat pada Tabel 4.9, model 10-fold, 5-fold, dan split 70:30 menjadi model terbaik berdasarkan data latih yang dibuktikan dengan akurasi mencapai 100%. Namun, pada data uji split 80:20 mampu meraih nilai akurasi 100% dari pada model lainnya. Secara total akurasi data latih dan data uji model split 80:20 terhadap data (a) menghasilkan total akurasi tertinggi dengan 99,98%. Analisis pada data (b), model 10-fold dan 5-fold menjadi model terbaik berdasarkan data uji yang dibuktikan dengan akurasi yang sama mencapai 100%. Namun, pada data latih split 80:20 menjadi model terbaik yang mampu meraih nilai akurasi 96,62%. Secara total akurasi data latih dan data uji pada data (b) model 10-fold menghasilkan total akurasi 99,66%.
Dari analisis model pada data (a) dan (b) didapatkan bahwa secara total partisi model split 80:20 dengan data (a) dapat dikatakan lebih baik daripada partisi model lainnya. Hal ini dikarenakan akurasi total yang diperoleh menggunakan validasi
Data Data Partition Accuracy (%)
Train Data Test Data (a)
10-fold 100.00 99.60
5-fold 100.00 99.80
Split 80:20 99.97 100.00
Split 70:30 100.00 99.93
(b)
10-fold 99.32 100.00
5-fold 99.23 100.00
Split 80:20 99.62 98.41
Split 70:30 99.55 99.02
split 80:20 dari data latih dan data uji tidak berbeda nyata yaitu 0,07%, serta mencapai total akurasi 99,98%. Artinya, aturan yang dihasilkan oleh model split 80:20 dapat mewakili lebih banyak data uji dan data latih dibandingkan dengan model lainnya. Namun, dibandingkan dengan penelitian sebelumnya dengan data yang sama namun menggunakan Algoritma C4.5, diperoleh akurasi 83,04% (Faid, 2017). Berdasarkan hal tersebut, dapat dikatakan bahwa Algoritma C5.0 memiliki performansi yang lebih baik daripada Algoritma C4.5.
4.5 Visualisasi
Selanjutnya, berdasarkan model split 80:20 yang merupakan model terbaik, dimana ukuran pohon keputusan dari model ini adalah 23 dengan 1 pola yang kurang tepat, sehingga pola aturan yang dihasilkan sejumlah 22 aturan mutu padi organik dengan root node atribut penyakit. Misalnya, aturan yang terbentuk berdasarkan kelas target yang dihasilkan adalah sebagai berikut:
a) IF Penyakit = Wereng-Hijau THEN Grade Mutu = Medium-Mutu-I b) IF Variates = Beras-Hitam OR Beras-Merah AND Penyakit = Penggerek-
Batang OR Wereng-Coklat AND pH > 3 THEN Grade Mutu = Medium- Mutu-I
c) IF Variates = Pandan-Wangi AND Warna = Coklat AND Penyakit = Penggerek-Batang OR Wereng-Coklat AND pH <= 4 THEN Grade Mutu = Medium-Mutu-I
d) IF Bentuk = Medium AND Penyakit Wereng-Coklat AND pH > 3 THEN Grade Mutu = Medium-Mutu-I
e) IF Variates = Pandan-Wangi AND Penyakit = Burung OR Tikus AND pH
> 4 THEN Grade Mutu = Medium-Mutu-I
f) IF Bentuk = Medium AND Teknik = Jajar-Legowo AND Penyakit = Penggerek-Batang AND PH >3 THEN Grade Mutu = Medium-Mutu-I g) IF Warna = Coklat OR Hitam OR Merah AND Penyakit = Burung OR Tikus
AND pH <=4 THEN Grade Mutu = Medium-Mutu-II
h) IF Variates = Beras-Hitam OR Beras-Merah AND Penyakit = Burung OR Tikus THEN Grade Mutu = Medium-Mutu-II
i) IF Bentuk = Medium OR Ramping AND Musim = Hujan AND Penyakit = Burung OR Tikus THEN Grade Mutu = Medium-Mutu-II
j) IF Bentuk = Bulat OR Ramping AND Warna = Putih AND Penyakit = Burung OR Tikus OR Wereng-Coklat AND pH > 3 THEN Grade Mutu = Medium-Mutu-II
k) IF Warba = Putih AND Penyakit = Burung OR Tikus AND pH > 3 THEN Grade Mutu = Medium-Mutu-II
l) IF Variates = Beras-Hitam OR Beras-Merah AND Penyakit = Burung OR Penggerek-Batang OR Tikus OR Wereng-Coklat AND pH <= 3 THEN Grade Mutu = Medium-Mutu-II
m) IF Bentuk = Bulat OR Ramping AND Warna = Putih AND Musim = Hujan AND Penyakit = Burung OR Penggerek-Batang OR Tikus OR Wereng- Coklat AND pH > 3 THEN Grade Mutu = Medium-Mutu-II
n) IF Bentuk = Medium AND Musim = Hujan AND Penyakit = Burung OR Penggerek-Batang OR Tikus OR Wereng-Coklat AND pH <=3 THEN Grade Mutu = Medium-Mutu-II
o) IF Warna = Putih AND Teknik = SRI AND Penyakit = Penggerek-Batang AND pH > 3 THEN Grade Mutu = Medium-Mutu-II
p) IF Bentuk = Medium AND Penyakit = Wereng-Coklat AND pH <= 3 THEN Grade Mutu = Medium-Mutu-II
q) IF Bentuk = Ramping AND Warna = Putih AND Penyakit = Penggerek- Batang OR Wereng-Coklat AND pH <= 3 THEN Grade Mutu = Medium- Mutu-III
r) IF Warna = Putih AND Musim = Kemarau AND Penyakit = Burung OR Penggerek-Batang OR Tikus AND pH <= 3 THEN Grade Mutu = Medium- Mutu-III
s) IF Bentuk = Bulat AND Warna = Putih AND Musim = Hujan AND Penyakit = Burung OR Penggerek-Batang OR Tikus OR Wereng-Coklat AND pH <= 3 THEN Grade Mutu = Medium-Mutu-III
t) IF Bentuk = Ramping AND Warna = Putih AND Musim = Kemarau AND Penyakit = Penggerek-Batang THEN Grade Mutu = Medium-Mutu-III u) IF Variates = Ciherang AND Warna = Coklat THEN Grade Mutu =
Medium-Mutu-III
v) IF Variates = Pandan-Wangi AND Penyakit = Penggerek-Batang OR Wereng-Coklat AND pH > 4 THEN Grade Mutu = Premium
Jika aturan diatas divisualisasikan dalam pohon keputusan, hasilnya ditunjukkan pada Gambar 4.7.
Gambar 4.7 Visualisasi Pohon Keputusan C5.0
Secara keseluruhan aturan yang dihasilkan dari model split 80:20 pada data (a) hanya 1 aturan memuat kelas grade mutu Premium. Hasil ini dapat disebabkan karena jumlah sampel data untuk kelas Premium yang sedikit, sehingga algoritma C5.0 mempertimbangkan itu untuk mewakili mayoritas data. Hal ini didukung oleh sebaran kelas grade mutu pada Gambar 4.2, yang menunjukkan bahwa jumlah kelas Premium hanya 82 dari 4952 pada data (a).
Berdasarkan aturan yang diperoleh, atribut penyakit memiliki kontribusi sangat besar pada penentuan mutu padi organik, sehingga atribut penyakit dijadikan sebagai root node, selain dari pada itu atribut lain yang terlibat : warna, pH, bentuk, variates, musim, teknik. Adapun atribut yang tidak terlibat dalam aturan yang diperoleh : panjang dan rasa. Bentuk pohon keputusan yang telah dibuat merupakan sampel dari atribut yang terlibat untuk memperoleh tiap kelas targetnya.
Beras dengan grade mutu premium merupakan beras kualitas tertinggi yang tercantum pada peraturan SNI 6128:2015 tentang beras. Sebagai iterasi kepada pihak terkait, dari pola aturan untuk menghasilkan beras premium maka dapat dilakukan dengan meminimalisir penyakit atau hama yang dapat merusak kualitas padi, dimana penyakit tersebut adalah penggerek batang dan wereng. Selain itu, perlu dilakukan pengukuran dan penyeimbangan pH tanah secara berkala agar pH tanah > 4. Hal ini dilakukan hanya untuk varietas padi organik pandan wangi, karena pada data penelitian ini hanya varietas padi tersebut yang dapat menghasilkan beras dengan kualitas premium.