Klasifikasi Jamur

Excel Reader :

Membaca dan mengimpor data mentah dari berkas Microsoft Excel ke dalam alur kerja KNIME agar dapat diproses lebih lanjut.

Number to String :

Mengubah tipe data kolom angka (numerik) tertentu menjadi bentuk teks (string atau kategorikal). Hal ini sering kali diperlukan jika algoritma atau tahapan berikutnya membutuhkan data kategori (misalnya label kelas target).

BARIS PERTAMA

• Table Partitioner

  • Fungsi: Membagi dataset menjadi dua bagian, yaitu data latih (training set) untuk melatih model dan data uji (testing set) untuk menguji performa model.

• Random Forest Learner

  • Fungsi: Melatih model prediksi menggunakan algoritma Random Forest (kumpulan pohon keputusan/decision trees) berdasarkan data latih yang diberikan.

• Random Forest Predictor

  • Fungsi: Menerapkan model Random Forest yang sudah dilatih ke data uji untuk menghasilkan tebakan atau prediksi kelas.

• Scorer (JavaScript)

  • Fungsi: Mengevaluasi kinerja model dengan membandingkan hasil prediksi terhadap label asli pada data uji. Node ini biasanya menampilkan confusion matrix, tingkat akurasi (accuracy), dan metrik evaluasi lainnya.

BARIS KEDUA

• Table Partitioner

  • Fungsi: Membagi dataset menjadi data latih dan data uji khusus untuk cabang Naïve Bayes.

• Naïve Bayes Learner

  • Fungsi: Membangun dan melatih model probabilitas berdasarkan Teorema Bayes menggunakan data latih.

• Naïve Bayes Predictor

  • Fungsi: Menggunakan model probabilitas tersebut untuk memprediksi kelas pada data uji.

• Scorer (JavaScript)

  • Fungsi: Menghitung tingkat akurasi dan metrik evaluasi untuk model Naïve Bayes.

BARIS KETIGA

• Table Partitioner

  • Fungsi: Membagi dataset menjadi data latih dan data uji untuk algoritma regresi logistik.

• Logistic Regression Learner

  • Fungsi: Melatih model klasifikasi linier (logistic regression) untuk mencari hubungan antara variabel fitur dan label target.

• Logistic Regression Predictor

  • Fungsi: Menghasilkan prediksi kelas pada data uji menggunakan model regresi logistik yang telah dilatih.

• Scorer (JavaScript)

  • Fungsi: Mengevaluasi performa akhir dari model regresi logistik.