Claim Missing Document
Check
Articles

Found 21 Documents
Search

Penerapan Aplikasi Sistem Rekomendasi Pemilihan Varietas Tanaman Berbasis Parameter Kelembaban Tanah, pH, dan Kandungan Nutrisi Pada Gapoktan Sri Karya Menggunakan Algoritma Random Forest Sinuraya, Junus; Weno Syechu; Wiwin Sry Adinda Banjarnahor; Muhammad Riki Atsauri
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 6 (2025): EDISI NOVEMBER 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i6.12348

Abstract

 Pemilihan varietas tanaman yang sesuai dengan kondisi tanah lahan pertanian merupakan faktor kritis dalam meningkatkan produktivitas dan hasil panen. Namun, petani sering menghadapi kesulitan dalam mengambil keputusan tersebut karena keterbatasan akses informasi dan expertise. Penelitian ini mengembangkan sistem rekomendasi otomatis berbasis machine learning menggunakan algoritma Random Forest untuk membantu petani di Gapoktan Sri Karya dalam memilih varietas tanaman yang optimal berdasarkan kondisi tanah mereka. Dataset penelitian terdiri dari 800 sampel yang dikumpulkan melalui pengukuran langsung di lahan petani, mencakup lima parameter tanah utama: kelembaban tanah (%), pH tanah, kandungan Nitrogen (N), Fosfor (P), dan Kalium (K). Data dibagi menjadi data pelatihan (80%) dan data pengujian (20%), kemudian dilakukan preprocessing meliputi data cleaning, normalisasi Min-Max Scaling, dan encoding label. Model Random Forest dilatih dengan parameter optimal (n_estimators=150, max_depth=12) dan dievaluasi menggunakan multiple metrics. Hasil penelitian menunjukkan bahwa model mencapai performa sangat baik dengan akurasi 87%, precision 85%, recall 83%, F1-score 84%, dan AUC 0.91. Analisis feature importance mengungkapkan bahwa pH tanah adalah parameter paling penting (35%), diikuti kandungan Nitrogen (28%), kelembaban tanah (22%), kalium (10%), dan fosfor (5%). Sistem ini terbukti mampu memberikan rekomendasi yang reliable dan dapat dipercaya untuk digunakan oleh petani di lapangan. Temuan ini mendemonstrasikan bahwa algoritma Random Forest dapat efektif digunakan untuk mengklasifikasi dan merekomendasikan varietas tanaman berdasarkan parameter kondisi tanah. Implementasi sistem ini diharapkan dapat meningkatkan produktivitas pertanian, mengurangi risiko pemilihan varietas yang tidak sesuai, dan memberdayakan petani dalam membuat keputusan berbasis data. Penelitian ini juga membuka peluang pengembangan serupa untuk komoditas pertanian lain dan region berbeda sebagai bagian dari transformasi digital di sektor pertanian Indonesia.