Melola Discovery

← Melola Discovery

Akses terbuka Jurnal

Study 0n Identification Of Poisonous and Non-Toxic Mushrooms Using the Cart-Logitboost Algorithm

STUDI TENTANG IDENTIFIKASI JAMUR BERACUN DAN TIDAK BERACUN DENGAN ALGORITMA CART-LOGITBOOST

Jurnal Matematika, Statistika dan Komputasi · Vol. 21 No. 1 (2024) · hlm. 33–45

DOI
10.20956/j.v21i1.35072
ISSN
2614-8811, 1858-1382
Terbit
2024-09-15
Penerbit
Department of Mathematics, Hasanuddin University
Bahasa
en
Lisensi
creativecommons.org/licenses/by/4.0

Abstrak

Inggris

Mushrooms are one of the groups of living organisms in the fungal regnum which have umbrella-like body characteristics. The body consists of an upright part that functions as a rod to support the hood as well as a hood that is horizontal and rounded with different color variations. There are types of mushrooms that can be a food source for humans. Some types of mushrooms can be eaten or processed like other foods. Apart from that, some types of mushrooms are dangerous if consumed by humans because they are poisonous. Based on these problems, this study offers a new contribution in identifying types of poisonous and non-toxic mushrooms based on mushroom characteristics using the CART algorithm combined with the LogitBoost boosting algorithm. The aim of this research can be used as material for further studies in making tools that can effectively and accurately differentiate between poisonous and non-toxic types of mushrooms. This can help reduce cases of poisoning due to consumption of poisonous mushrooms. The data used is secondary data from public sources UCI Machine Learning Repository. Evaluation of model performance resulted in an accuracy of 98.79%; recall 98.70%; specificity 98.85%; precision 98.56%; F1-Score 98.63%, and AUC 0.9876. These results show that the model is very effective in detecting poisonous mushrooms and has minimal errors in classification.

Bahasa Indonesia

Jamur merupakan salah satu kelompok jasad hidup dalam regnum fungi yang memiliki karakteristik tubuh seperti payung. Tubuhnya terdiri dari bagian tegak yang berfungsi sebagai batang menyangga tudung serta tudung yang berbentuk mendatar dan membulat dengan variasi warna berbeda. Terdapat jenis jamur yang dapat menjadi sumber makanan bagi manusia. Beberapa jenis jamur dapat dimakan atau diolah seperti bahan pangan lainnya. Selain itu, beberapa jenis jamur ada yang berbahaya jika dikonsumsi oleh manusia kerena memiliki racun. Berdasarkan permasalahan tersebut, pada studi ini akan dilakukan identifikasi jenis jamur yang beracun dan tidak beracun berdasarkan karakteristik jamur dengan menggunakan algoritma CART yang dikombinasikan dengan algoritma penguat LogitBoost. Hasil penelitian diperoleh model terbaik dengan parameter optimal, yaitu rasio data adalah 90:10, kedalaman pohon (maxdepth) adalah 5, dan jumlah pohon (ntree) adalah 1000. Evaluasi kinerja model menghasilkan akurasi 98,79%; recall 98,70%; spesifisitas 98,85%; presisi 98,56%; F1-Score 98,63%, dan AUC 0,9876. Hasil ini menunjukkan model sangat efektif dalam mendeteksi jamur yang beracun dan minim kesalahan dalam klasifikasi.

Kata kunci

Jaringan kolaborasi para penulis

8 penulis · 12 tautan kepenulisan bersama · 5 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Universitas Dian Nuswantoro
  • University of Muhammadiyah Mataram
  • Universitas Gadjah Mada
  • Universitas San Pedro
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Sefri Imanuel FalloUniversitas San Pedro1
Jus PrasetyaUniversitas Gadjah Mada1
Fitri AstutikUniversity of Muhammadiyah Mataram1
Nani SulistianingsihUniversity of Muhammadiyah Mataram1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unhas.ac.id/index.php/jmsk/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Study 0n Identification Of Poisonous and Non-Toxic Mushrooms Using the Cart-Logitboost Algorithm</dc:title>
	<dc:title xml:lang="id">STUDI TENTANG IDENTIFIKASI JAMUR BERACUN DAN TIDAK BERACUN DENGAN ALGORITMA CART-LOGITBOOST</dc:title>
	<dc:creator xml:lang="en">aprihartha, moch anjas </dc:creator>
	<dc:creator xml:lang="en">Putrawan, Zulhandi </dc:creator>
	<dc:creator xml:lang="en">Zulhan, Dicky </dc:creator>
	<dc:creator xml:lang="en">Nurfaizal, Fatma Ahardika </dc:creator>
	<dc:subject xml:lang="en">CART</dc:subject>
	<dc:subject xml:lang="en">Mushroom</dc:subject>
	<dc:subject xml:lang="en">LogitBoost</dc:subject>
	<dc:subject xml:lang="en">Poisonous</dc:subject>
	<dc:subject xml:lang="en">Non-Toxic</dc:subject>
	<dc:description xml:lang="en">Mushrooms are one of the groups of living organisms in the fungal regnum which have umbrella-like body characteristics. The body consists of an upright part that functions as a rod to support the hood as well as a hood that is horizontal and rounded with different color variations. There are types of mushrooms that can be a food source for humans. Some types of mushrooms can be eaten or processed like other foods. Apart from that, some types of mushrooms are dangerous if consumed by humans because they are poisonous. Based on these problems, this study offers a new contribution in identifying types of poisonous and non-toxic mushrooms based on mushroom characteristics using the CART algorithm combined with the LogitBoost boosting algorithm. The aim of this research can be used as material for further studies in making tools that can effectively and accurately differentiate between poisonous and non-toxic types of mushrooms. This can help reduce cases of poisoning due to consumption of poisonous mushrooms. The data used is secondary data from public sources UCI Machine Learning Repository. Evaluation of model performance resulted in an accuracy of 98.79%; recall 98.70%; specificity 98.85%; precision 98.56%; F1-Score 98.63%, and AUC 0.9876. These results show that the model is very effective in detecting poisonous mushrooms and has minimal errors in classification.</dc:description>
	<dc:description xml:lang="id">Jamur merupakan salah satu kelompok jasad hidup dalam regnum fungi yang memiliki karakteristik tubuh seperti payung. Tubuhnya terdiri dari bagian tegak yang berfungsi sebagai batang menyangga tudung serta tudung yang berbentuk mendatar dan membulat dengan variasi warna berbeda. Terdapat jenis jamur yang dapat menjadi sumber makanan bagi manusia. Beberapa jenis jamur dapat dimakan atau diolah seperti bahan pangan lainnya. Selain itu, beberapa jenis jamur ada yang berbahaya jika dikonsumsi oleh manusia kerena memiliki racun. Berdasarkan permasalahan tersebut, pada studi ini akan dilakukan identifikasi jenis jamur yang beracun dan tidak beracun berdasarkan karakteristik jamur dengan menggunakan algoritma CART yang dikombinasikan dengan algoritma penguat LogitBoost. Hasil penelitian diperoleh model terbaik dengan parameter optimal, yaitu rasio data adalah 90:10, kedalaman pohon (maxdepth) adalah 5, dan jumlah pohon (ntree) adalah 1000. Evaluasi kinerja model menghasilkan akurasi 98,79%; recall 98,70%; spesifisitas 98,85%; presisi 98,56%; F1-Score 98,63%, dan AUC 0,9876. Hasil ini menunjukkan model sangat efektif dalam mendeteksi jamur yang beracun dan minim kesalahan dalam klasifikasi.</dc:description>
	<dc:publisher xml:lang="en">Department of Mathematics, Hasanuddin University</dc:publisher>
	<dc:date>2024-09-15</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unhas.ac.id/index.php/jmsk/article/view/35072</dc:identifier>
	<dc:identifier>10.20956/j.v21i1.35072</dc:identifier>
	<dc:source xml:lang="en">Jurnal Matematika, Statistika dan Komputasi; Vol. 21 No. 1 (2024): SEPTEMBER 2024; 33-45</dc:source>
	<dc:source>2614-8811</dc:source>
	<dc:source>1858-1382</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://journal.unhas.ac.id/index.php/jmsk/article/view/35072/11997</dc:relation>
	<dc:relation>10.20956/j.v21i1.35072.g11997</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2024 Jurnal Matematika, Statistika dan Komputasi</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by/4.0</dc:rights>
</oai_dc:dc>