Hyperparameter Algoritma Random Forest Dengan Random Search Untuk Klasifikasi Lumpy Skin Disease (Lsd) Pada Ternak Sapi Berdasarkan Faktor Lingkungan

Lumpy Skin Disease (LSD) adalah penyakit menular pada ternak sapi yang disebabkan oleh virus Capripoxvirus. Identifikasi dini LSD masih dilakukan secara manual oleh para ahli dan memerlukan waktu 12-21 hari, yang dapat menyebabkan dampak ekonomi pada sektor peternakan, seperti penurunan harga hewan, kematian dan keguguran, serta penurunan produksi susu. Penelitian ini mengembangkan model klasifikasi LSD menggunakan algoritma Random Forest baik dengan maupun tanpa optimasi Hyperparameter menggunakan Random Search, untuk mempercepat proses identifikasi dan membantu mengurangi dampak ekonomi. Dataset berjumlah 24.803 sampel dari Mendeley Dataset, 21.764 sampel No lumpy dan 3.039 sampel Lumpy. Untuk menangani ketidakseimbangan kelas, diterapkan teknik Resampling Synthetic Minority Over-sampling Technique (SMOTE) dan Random Undersampling (RUS). Model dievaluasi menggunakan metrik Area Under the Curve (AUC), accuracy, Precision, Recall, dan F1-score. Hasil menunjukkan bahwa model Random Forest tanpa Hyperparameter tuning dengan RUS menghasilkan akurasi 94,53%, Precision 85%, Recall 94%, dan F1-score 89%, ROC-AUC 0.98. Setelah tuning, menghasilkan akurasi sebesar 94,56%, sementara Precision 85%, Recall 94%, dan F1-score 89%, ROC-AUC 0.98. Dan pada hasil model Random Forest tanpa Hyperparameter tuning dengan SMOTE menghasilkan akurasi 96,30%, Precision 90%, Recall 94%, dan F1-score 92%, ROC-AUC 0.98. Setelah tuning, menghasilkan akurasi sebesar 96,35%, sementara Precision 90%, Recall 94%, dan F1-score 92%, ROC-AUC 0.98.