Evaluasi Model - Identifikasi Ikan

52.77%

Akurasi Keseluruhan

2598

Sampel Latih

650

Sampel Uji

100

Pohon Keputusan

Feature Importance

Feature Importance menunjukkan seberapa besar kontribusi setiap fitur dalam keputusan klasifikasi. Nilai lebih tinggi berarti fitur lebih sering menjadi pemisah di tiap pohon. Mean R dan Mean G cenderung dominan karena perbedaan warna ikan paling terlihat di kanal merah dan hijau.

Confusion Matrix

	Ban.	Sen.	Gul.	Gul.	Nil.	Nil.	Kem.	Bij.
Bandeng	63	3	5	3	3	13	4	6
Senangin	6	18	15	0	0	3	2	4
Gulamah	6	17	22	0	0	0	3	0
Gulama Putih	5	0	0	8	4	10	18	5
Nila Mozambik	4	2	0	1	36	6	7	10
Nila	5	1	1	4	7	62	11	22
Kembung	8	7	3	2	4	13	51	21
Biji Nangka	4	2	4	1	2	9	11	83

Baris = kelas sebenarnya, Kolom = kelas prediksi. Nilai pada diagonal biru adalah prediksi benar (True Positive). Nilai di luar diagonal adalah kesalahan klasifikasi.

Laporan Klasifikasi per Spesies

Spesies	Precision	Recall	F1-Score	Support
01 Bandeng Chanos chanos	62.4%	63.0%	62.7%	100
02 Senangin Eleutheronema tetradactylum	36.0%	37.5%	36.7%	48
03 Gulamah Johnius trachycephalus	44.0%	45.8%	44.9%	48
04 Gulama Putih Nibea albiflora	42.1%	16.0%	23.2%	50
05 Nila Mozambik Oreochromis mossambicus	64.3%	54.5%	59.0%	66
06 Nila Oreochromis niloticus	53.4%	54.9%	54.1%	113
07 Kembung Rastrelliger faughni	47.7%	46.8%	47.2%	109
08 Biji Nangka Upeneus moluccensis	55.0%	71.6%	62.2%	116

Interpretasi Metrik pada Tabel di Atas

Precision hijau = ≥85%

Dari semua prediksi spesies X, berapa persen yang benar-benar spesies X. Precision tinggi berarti model jarang salah menyebut spesies lain sebagai spesies ini.

Recall kuning = ≥70%

Dari semua gambar spesies X di data uji, berapa persen yang berhasil terdeteksi. Recall tinggi berarti model jarang melewatkan spesies yang seharusnya terdeteksi.

F1-Score merah = <70%

Rata-rata harmonik Precision dan Recall. Metrik paling seimbang, terutama saat distribusi jumlah sampel tidak merata antar spesies.