Analisis Perbandingan Algoritma Catboost Dan Lightgbm Dalam Prediksi Multi-Label Serangan Hama Pada Tebu

MUTIARA CINTIA, RAINY (2026) Analisis Perbandingan Algoritma Catboost Dan Lightgbm Dalam Prediksi Multi-Label Serangan Hama Pada Tebu. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	Text (anyone) ABSTRAK.pdf Download (460kB) | Preview
	Text SKRIPSI FULL.pdf Restricted to Repository staff only Download (24MB) | Request a copy
Preview	Text (anyone) SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (19MB) | Preview

Abstract

Penelitian ini bertujuan membangun model prediksi multi-label tingkat keparahan serangan hama tebu (penggerek batang, penggerek pucuk, dan kutu perisai) menggunakan algoritma CatBoost dan LightGBM. dataset pengamatan lapangan diperkaya dengan fitur temporal berbasis lag (1–3) serta fitur kategorikal yang diproses secara native oleh masing-masing algoritma. Pembagian data dilakukan berbasis blok untuk mencegah data leakage dan merepresentasikan skenario prediksi pada blok yang belum diamati. Evaluasi menggunakan F1-score macro average dan AUC macro pada tiga skema pembagian data menunjukkan bahwa kedua model memiliki performa yang relatif sebanding, dengan F1-score pada kisaran 0,59–0,69 dan AUC macro 0,80–0,86. Pada tingkat kelas, kemampuan deteksi terhadap kelas keparahan tinggi konsisten dengan AUC di atas 0,90. LightGBM unggul dalam waktu pelatihan, sedangkan CatBoost lebih stabil dan memiliki waktu prediksi lebih cepat. Model yang direkomendasikan diharapkan mendukung sistem pemantauan risiko serangan hama secara dini dan pengambilan keputusan yang lebih terarah.

Item Type:	Other
Subjects:	?? 004 ?? ?? 500 ??
Divisions:	Fakultas MIPA > Prodi Ilmu Komputer
Depositing User:	2602932042 Digilib
Date Deposited:	22 Apr 2026 03:17
Last Modified:	22 Apr 2026 03:17
URI:	http://digilib.unila.ac.id/id/eprint/98438

Actions (login required)

View Item