@phdthesis{universitasamikomyogyakarta33126,
           title = {PENDEKATAN EXPLAINABLE MACHINE LEARNING
MENGGUNAKAN CATBOOST DAN SHAP UNTUK
KLASIFIKASI SPESIES PENGUIN BERDASARKAN
MORFOLOGI},
            year = {2026},
          author = {Cornelia -},
          school = {Universitas AMIKOM Yogyakarta},
           month = {April},
        abstract = {Data penguin di Kepulauan Palmer, Antartika, merupakan salah satu contoh 
data yang banyak digunakan untuk penelitian ilmiah karena mencerminkan variasi
biologis yang kompleks antarspesies. Namun, sebagian besar penelitian terdahulu
hanya berfokus pada peningkatan akurasi model tanpa menjelaskan faktor-faktor
yang memengaruhi hasil klasifikasi. Hal ini menyebabkan keterbatasan dalam
memahami secara mendalam hubungan antara fitur morfologi dengan prediksi
spesies. Penelitian ini bertujuan untuk menerapkan algoritma CatBoostClassifier
dalam dua konfigurasi, yaitu parameter default dan hasil hyperparameter tuning,
pada Dataset 1 dan Dataset 2 yang telah diselaraskan. Tahapan penelitian meliputi
eksplorasi dan preprocessing data, pembagian dataset, pemodelan, evaluasi kinerja
menggunakan metrik klasifikasi, serta interpretasi model dengan pendekatan
Explainable Machine Learning berbasis SHAP. Hasil penelitian menunjukkan
bahwa model CatBoostClassifier hasil tuning mampu menghasilkan kinerja yang
optimal dan stabil dengan tingkat akurasi sebesar 99\% pada Dataset 1 dan 85\% pada
Dataset 2, yang selanjutnya divalidasi melalui pengujian menggunakan data
eksternal. Analisis SHAP mengungkap bahwa fitur morfologi seperti panjang paruh
(Culmen Length (mm) / Bill Length (mm)), kedalaman paruh (Culmen Depth (mm)
/ Bill Depth (mm)), panjang sirip (Flipper Length (mm)), dan massa tubuh (Body
Mass (g)) memiliki kontribusi yang berbeda dalam membedakan setiap spesies
penguin. Dengan demikian, penelitian ini menghasilkan model klasifikasi yang
tidak hanya akurat tetapi juga interpretatif, sehingga dapat dimanfaatkan sebagai
alat bantu analisis berbasis data dalam bidang biologi, khususnya dalam identifikasi
spesies, serta mendukung kajian keanekaragaman hayati dan konservasi.},
             url = {https://eprints.amikom.ac.id/id/eprint/33126/},
        keywords = {CatBoost, SHAP, Klasifikasi Penguin, Morfologi, Explainable 
Machine Learning, Penguin Classification, Morphology.}
}