Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal JTSL (Jurnal Tanah dan Sumberdaya Lahan) AGROINOTEK
Mukhlisin, Ajral
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Environmental Science

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
EVALUASI RANDOM FOREST DAN REGRESI LINIER BERGANDA DALAM PEMETAAN KAPASITAS PENAHANAN AIR TANAH PERKEBUNAN TEH Mukhlisin, Ajral; Wicaksono, Kurniawan Sigit
JTSL (Jurnal Tanah dan Sumberdaya Lahan) Vol. 13 No. 2 (2026)
Publisher : Departemen Tanah, Fakultas Bio-industri Pertanian dan Kehutanan, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.jtsl.2026.013.2.17

Abstract

Soil Water Holding Capacity (WHC) is a crucial hydrological parameter for tea plant productivity in hilly terrains. Conventional WHC mapping on a large scale is generally constrained by high operational costs and lengthy analysis time. This study aims to evaluate the performance of Random Forest Regression (RFR) and Multiple Linear Regression (MLR) algorithms in predicting the spatial distribution of WHC at the Wonosari Tea Plantation, Malang. Soil sampling was conducted at 16 observation points using a stratified purposive sampling method based on Land Map Units (LMU). To represent water retention capacity in the effective root zone, undisturbed soil samples were collected vertically at depths of 0–20 cm, 20–40 cm, and 40–60 cm at each point, analyzed using a pressure plate apparatus, and integrated into a single profile average value. Six spectral indices were extracted from Sentinel-2A imagery (NDVI, NDSI, NDWI, LSWI, MSI, NMDI) based on their sensitivity to surface moisture and canopy density, then combined with slope data (DEMNAS) as predictor variables. Given the limited sample size, the RFR model validation was performed using the Leave-One-Out Cross-Validation (LOOCV) method to ensure predictive stability. Results showed that the RFR model with a combination of three key variables (NDSI, MSI, and slope) achieved higher accuracy (R²cv = 0.423; RMSEcv = 1.47%) compared to the MLR model (R² = 0.371; RMSE = 1.59%). Feature importance analysis revealed that slope was the most dominant controlling factor (68.5%). This evaluation concludes that the RFR algorithm is more reliable than MLR for modeling the spatial complexity of WHC in hilly areas. The resulting prediction map effectively divides the plantation into three management zones (High, Medium, Low) to support precision irrigation strategies and soil conservation, potentially increasing operational cost efficiency by 30–40%.
Model Pendugaan Kandungan Klorofil Daun Kopi dengan Indeks Kerapatan Vegetasi (Ndvi) Mukhlisin, Ajral; Hamdani, Rizky Dwi; Ifadah, Nisfi Fariatul; Almira, Almira
AGROINOTEK Jurnal Penelitian dan Pengabdian Masyarakat Vol. 2 No. 2 (2021)
Publisher : Fakultas Pertanian Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kandungan klorofil daun kopi menunjukkan adanya pantulan sinar inframerah, daun yang sehat lebih banyak memantulkan sinar inframerah dibandingkan daun yang tidak sehat. Normalized Difference Vegetation Index (NDVI) merupakan indeks vegetasi yang melibatkan sinar merah (R) dan inframerah dekat (NIR). NDVI ini digunakan untuk menaksir kandungan klorofil daun kopi dalam penelitian ini. Penelitian ini dilakukan untuk menaksir kandungan klorofil daun kopi (SPAD : Soil Plant Analysis Development record) berdasarkan nilai NDVI pada perkebunan kopi produktif Robusta. Hasil penelitian menunjukkan: (1) kandungan klorofil daun kopi dengan metode SPAD rata-rata 65 – 70 mg.g-1; (2) kisaran NDVI pada perkebunan kopi 0,50-0,70; (3) model regresi linier NDVI (X) dan kandungan klorofil daun (Y) adalah Y = 98,015 X + 6,784 ; R2 = 0,8054**). Disimpulkan bahwa nilai NDVI dapat digunakan untuk menduga kandungan klorofil daun pohon kopi Robusta produktif.
Model Pendugaan Lengas Tanah di Kebun Kopi Rakyat dengan Metode SMI (Soil Moisture Index ) Mukhlisin, Ajral; Irenasari, Irenasari; Soemarno, Soemarno
AGROINOTEK Jurnal Penelitian dan Pengabdian Masyarakat Vol. 2 No. 1 (2021)
Publisher : Fakultas Pertanian Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Air merupakan salah satu faktor pembatas dalam pertumbuhan dan produksi tanaman kopi. Apabila tanaman kopi mengalami kekurangan air, maka dapat menghambat pertumbuhan tanaman dan pada tingkat kritis dapat mengakibatkan stres kekeringan dan kerusakan tanaman. Ketersediaan kadar air tanah dapat diperkirakan dari tingkat indeks kelembaban tanah. Pemantauan status kelembaban tanah dapat digunakan dalam perbaikan pengelolaan perkebunan kopi. Indeks Kelembaban Tanah (IKL) merupakan metode yang dapat digunakan untuk memperkirakan tingkat kelembaban tanah dengan menggunakan teknologi penginderaan jauh dengan menggunakan nilai NDVI dan LST. Tujuan dari penelitian ini adalah untuk menganalisis status dan sebaran kelembaban tanah pada perkebunan kopi; menganalisis hubungan antara indeks vegetasi dengan kelembaban tanah; dan hubungan antara status kelembaban tanah dengan metode IKL dengan kadar air tanah pada perkebunan kopi. Hasil penelitian menunjukkan bahwa indeks kelembaban tanah dari citra Landsat 8 OLI/TIRS (X) mempunyai hubungan positif yang signifikan dengan tingkat kelembaban tanah pada lokasi penelitian (Y): (Y = 7,499 X – 3,479; R2 = 0,78**). Disarankan agar metode SMI dapat digunakan untuk memperkirakan tingkat kelembaban tanah di perkebunan kopi RobustaV
Co-Authors Almira, Almira Hamdani, Rizky Dwi Ifadah, Nisfi Fariatul Irenasari, Irenasari Kurniawan Sigit Wicaksono, Kurniawan Sigit Soemarno Soemarno