Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Algoritma, Logika dan Komputasi
Marvelino, Matthew
Universitas Bunda Mulia
Computer Science & IT Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
OPTIMASI PERTANIAN DI BEKASI UTARA: PREDIKSI CURAH HUJAN DAN REKOMENDASI TANAMAN DENGAN MENGGUNAKAN MODEL REGRESI LINIER Pangestu, Matias Indra; Ginting, Jusia Amanda; Suryantara, I Gusti Ngurah; Marvelino, Matthew
Jurnal Algoritma, Logika dan Komputasi Vol 7, No 2 (2024)
Publisher : Universitas Bunda Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30813/j-alu.v7i2.8081

Abstract

Ketidakpastian dan variabilitas curah hujan merupakan tantangan utama bagi petani dalam menentukan waktu tanam dan jenis tanaman yang paling sesuai untuk kondisi cuaca yang berubah-ubah. Sistem yang dibangun dalam penelitian ini menggunakan data historis curah hujan, parameter iklim, dan informasi varietas tanaman yang dikumpulkan dari wilayah Bekasi Utara. Proses pengumpulan data dilakukan dengan menggunakan citra satelit Landsat 8 dan dataset curah hujan CHIRPS yang kemudian diolah menggunakan bahasa pemrograman Python. Metode machine learning diterapkan untuk memproses dan menganalisis data tersebut guna membangun model prediksi yang akurat. Hasil penelitian menunjukkan bahwa sistem prediksi curah hujan yang dikembangkan mampu memberikan prakiraan curah hujan yang cukup akurat. Selain itu, sistem ini juga dapat memberikan rekomendasi tanaman optimal berdasarkan kondisi iklim dan prediksi curah hujan, yang diharapkan dapat membantu petani dalam meningkatkan hasil panen dan ketahanan pangan di wilayah tersebut. Penelitian ini menyimpulkan bahwa integrasi antara data satelit, analisis iklim, dan metode machine learning dapat menjadi alat yang efektif dalam membantu pengambilan keputusan pertanian yang lebih baik. Sistem yang dikembangkan juga memiliki potensi untuk diimplementasikan di wilayah lain dengan kondisi serupa, setelah dilakukan penyesuaian data lokal.
Co-Authors Ginting, Jusia Amanda Pangestu, Matias Indra Suryantara, I Gusti Ngurah