<![CDATA[Penentuan waktu panen cabai merah besar (Capsicum annuum L.) yang tepat sangat krusial untuk meminimalkan risiko penurunan kualitas dan nilai ekonomis akibat faktor cuaca maupun hama. Penelitian ini bertujuan untuk mengembangkan model klasifikasi berbasis algoritma Iterative Dichotomiser 3 (ID3) guna menentukan kategori umur panen (Cepat, Normal, Lama) dan mengekstrak aturan logika IF-THEN sebagai basis pengetahuan sistem pakar. Pendekatan penelitian menggunakan dataset sebanyak 235 sampel tanaman dengan 9 fitur agronomis kategorik. Untuk mengatasi masalah ketidakseimbangan kelas target (rasio 1,69x), teknik oversampling BorderlineSMOTE diterapkan sebelum proses pemodelan ID3 yang dikonfigurasi secara optimal dengan parameter max_depth=6 dan min_samples_leaf=3. Temuan utama menunjukkan bahwa optimasi dengan BorderlineSMOTE berhasil meningkatkan akurasi Cross-Validation 5-Fold dari 36,17% (model baseline) menjadi 41,97%, sekaligus menekan tingkat overfitting secara signifikan. Model ID3 final berhasil mengekstrak 44 aturan IF-THEN yang sangat interpretabel, dengan atribut "Warna Buah" terpilih menjadi simpul akar utama penentu klasifikasi. Kesimpulannya, integrasi BorderlineSMOTE pada algoritma ID3 terbukti tangguh dalam mengurai kompleksitas data agronomis cabai merah besar dan menghasilkan basis aturan yang deterministik. Model ini sangat potensial diimplementasikan ke dalam rule-based system otomatis guna mendukung petani dalam pengambilan keputusan waktu.]]>
Copyrights © 2026
