Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Digital Transformation Technology (Digitech)

Prediksi Hasil Panen Tanaman Pangan Sumatera dengan Metode Machine Learning Satria, Ardika; Badri, Rizty Maulida; Safitri, Ira
Digital Transformation Technology Vol. 3 No. 2 (2023): Artikel Periode September 2023
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v3i2.2852

Abstract

Pertanian di Indonesia menjadi sektor yang sangat penting karena bertujuan untuk meningkatkan produksi pangan dan industri serta mendorong produksi ekspor. Indonesia memiliki hasil pertanian bahan pokok seperti padi, jagung, ubi jalar, ubi kayu, kacang tanah dan kedelai. Salah satu wilayah paling produktif yang menghasilkan bahan pangan dalam memenuhi kebutuhan pokok adalah pulau Sumatera. Potensi iklim di pulau Sumatera sangat cocok untuk kegiatan pertanian karena curah hujan yang merata hampir sepanjang tahun. Produksi tanaman pangan di Sumatera meningkat sejak tahun 1993. Perluasan lahan pertanian juga naik signifikan. Sementara itu, hasil pertanian di Sumatera sangat rentan terhadap perubahan iklim global terutama kenaikan suhu dari tahun ke tahun. Prediksi hasil pertanian perlu dilakukan agar memberikan hasil yang maksimal pada produksi bahan pokok di Sumatera. Penelitian ini bertujuan untuk mengetahui algoritma terbaik dalam melakukan prediksi hasil pertanian komoditas tanaman pangan yaitu padi, jagung, kacang tanah, kedelai, ubi kayu dan ubi jalar di pulau Sumatera dengan pendekatan model regresi machine learning. Sehingga, penelitian ini diharapkan dapat menjadi acuan dalam pengembangan penelitian terkait bidang pertanian di pulau Sumatera. Metode yang digunakan adalah Machine Learning, yaitu Random Forest (RF), Decision Tree (DT), Gradient Boosting (GB), Extra Tree (ET), Support Vector Machine (SVM), dan Artificial Neural Network (ANN). Nilai koefisien R2 untuk produksi padi masing-masing adalah 0,897; 0,893; 0,957; 0,968; 0,928; dan 0,909. Sedangkan pada produksi bahan pokok lainnya masing-masing adalah 0,754; 0,786; 0,721; 0,913; 0,509; dan 0,90. Model Extra Tree mendapat nilai koefisien R2 tertinggi dan lebih akurat dibandingkan model lainnya.
Implementasi Algoritma K-Nearest Neighbor Dalam Klasifikasi Indeks Pembangunan Manusia Provinsi Sumatera Selatan Tahun 2023 Safitri, Ira; Satria, Ardika; Badri, Rizty Maulida
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.4614

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator yang sangat penting dalam mengukur tingkat kesejahteraan suatu daerah. IPM memiliki tiga dimensi penting seperti kesehatan, pengetahuan dan standar hidup yang layak. Dimensi kesehatan dapat diukur melalui angka harapan hidup saat lahir, sementara dimensi pengetahuan menggunakan kombinasi indikator harapan lama sekolah dan rata-rata tahun sekolah. Sedangkan dimensi standar hidup yang layak mengacu pada kemampuan daya beli masyarakat dalam memenuhi kebutuhan pokok, dilihat dari rata-rata pengeluaran per kapita yang disesuaikan. Pada penelitian ini, IPMĀ  Tahun 2023 di Provinsi Sumatera Selatan diklasifikasikan menjadi 2 kategori yaitu IPM rendah (IPM < 70) dan IPM tinggi (IPM >70). Klasifikasi kategori IPM dilakukan menggunakan metode KNN dengan teknik validasi silang Leave-One-Out Cross Validation (LOOCV). Metode ini dilakukan dengan mencari k objek dalam data latih yang paling dekat dengan objek pada data uji. Penelitian ini memiliki tujuan agar mengetahui akurasi klasifikasi IPM dengan metode k-NN dengan nilai k sebesar 1, 3, dan 5. Berdasarkan hasil evaluasi model KNN menggunakan confusion matrix didapatkan nilai k = 1 dengan akurasi sebesar 88,89%, sedangkan k = 3 tingkat akurasi 83,33% kemudian nilai k = 5 didapatkan akurasi 77,78%. Hasil evaluasi model KNN didapatkan nilai k = 1 untuk mendapatkan klasifikasi data yang optimal dengan tingkat akurasi sebesar 88,89%.
Co-Authors Abdullah, Khoirul Mizan Adelia Parhusip, Feby Adeliana Panjaitan, Novia Adinda Krismasuci Hutabarat, Lina Ahmad Luky Ramdani Anggara, Permana Aprianta Tarigan Astuti, Rohmi Dyah Azarine Hana Bastiyani Bahauddin, Nur Ain binti Bellini, Yustida Bomer Pasaribu Dadang Sundawa, Dadang Fajar Tri Kesuma Farhan Anwary Fitria, Ainatul Franata Tarigan, Fandy Fricticarani, Ade HALKING Hapni Laila Siregar Hasibuan, Beby Kendida Hasibuan, Ramadani Shohiro Hodriani Hodriani Ibrahim Qamarius Indah Rahmawati Irawati, Febri Dwi Irshadi, Filzah Ivana Zahra, Muthia Ivanna, Julia Jamaludin . Janah, Sri Wardatul Khoarizmy, Gymnastiar Al Krisdayanti Sinambela, Sulastri Muhammad Dhoni Apriyadi Muslim, Anwar Muthaqin, Dwi Iman Muthoharoh, Luluk Neliyana, Rahma Nurmadani, Vina Perangin-angin, Reh Bungana Beru Pinem, Windawati Pratama, Muhammad Yoga Presilia, Presilia Putri Arpani Ramdani, Ahmad Luky Randa, Dimas Dwi Rangkuty, Muammar Risky Rizty Maulida Badri Rully Hanafi Rusnita, Ayu Novidaniati Safitri, Anisa Samosir, Partogi Saoloan Satria, Ardika Satria, Eggie Senov Fitriani Simanjuntak, Ester Setiansyah, Reni Silalahi, Amlys Syahputra Simanjuntak, Sri Susanti Simbolon, Nur Anisa Sitinjak, Mika Alvionita Sri Yunita Sudarto Sudarto Sukma, Yoga Aji Sulanda, Sulanda Sullaida Surya Dharma Susanti Simanjuntak, Sri SUTRISNO Suwardani, Ni Kadek Syahyunan Tirta Setiawan, Tirta Wahyu Harmoni Sembiring, Dian WEISHAGUNA WEISHAGUNA Yanita Yanti Ar Rahma Pasaribu, Nopi Yoga Pratama, Muhammad Zahra, Muthia Ivana