PEMANFAATKAN BAYESIAN SEARCH PADA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI TANAMAN HERBAL AFRODISIAK

Abstract

Penelitian di bidang klasifikasi tanaman herbal telah berkembang pesat seiring meningkatnya kebutuhan akan identifikasi sumber bahan alami dengan potensi farmakologis. Salah satu kategori penting adalah tanaman herbal afrodisiak, yang memiliki kandungan senyawa aktif untuk meningkatkan vitalitas dan fungsi reproduksi. Namun, proses klasifikasi tanaman ini sering menghadapi tantangan karena keterbatasan data, kompleksitas fitur, dan ketidaktepatan model klasifikasi konvensional. Model Support Vector Machine (SVM) telah banyak digunakan karena kemampuannya dalam menangani data non-linear dan berdimensi tinggi, tetapi performanya bergantung pada pemilihan hiperparameter yang optimal. Selama ini, penentuan hiperparameter sering dilakukan secara manual atau menggunakan pencarian grid yang memakan waktu dan kurang efisien. Penelitian ini mengusulkan pendekatan Bayesian Search Optimization untuk mengoptimalkan parameter SVM dalam tugas klasifikasi tanaman herbal afrodisiak. Metode ini secara adaptif mengeksplorasi ruang parameter dan mempelajari hubungan probabilistik antar variabel untuk menemukan kombinasi optimal. Hasil eksperimen menunjukkan peningkatan signifikan terhadap model baseline, dengan kenaikan precision sebesar 122.34%, recall sebesar 36.87%, dan f1-score sebesar 79.40%. Peningkatan ini membuktikan bahwa integrasi Bayesian Search dapat secara substansial memperbaiki kemampuan generalisasi model SVM. Penelitian ini berimplikasi pada pengembangan sistem klasifikasi berbasis kecerdasan buatan yang lebih akurat dan efisien dalam identifikasi tanaman herbal potensial, serta membuka peluang penerapan pada bidang fitofarmaka dan eksplorasi bahan alam masa depan.