Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Computatio : Journal of Computer Science and Information Systems
Chen, Vaness
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Prediksi Pertumbuhan Hari Selada Menggunakan Linear Regression, Logistic Regression, dan Decision Tree Chen, Vaness
Computatio : Journal of Computer Science and Information Systems Vol. 8 No. 2 (2024): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v8i2.27183

Abstract

Abstrak Tujuan dari penelitian ini adalah untuk mengembangkan model prediksi pertumbuhan hari selada berdasarkan faktor lingkungan tertentu dengan menggunakan tiga pendekatan berbeda: regresi linier, regresi logistik dan decision tree atau pohon keputusan. Data pertumbuhan selada dikumpulkan dari berbagai percobaan dalam berbagai kondisi lingkungan, termasuk suhu, kelembapan, dan banyak kondisi lainnya. Tujuan dari penelitian ini adalah untuk membantu petani mengoptimalkan lingkungan pertumbuhan selada dan meningkatkan hasil. Pada tahap pertama penelitian, penulis melakukan analisis data eksperimen untuk memahami karakteristik pertumbuhan selada dalam kondisi yang berbeda. Penulis kemudian membangun tiga model berbeda yaitu. regresi linier, regresi logistik dan pohon keputusan untuk memprediksi pertumbuhan selada berdasarkan parameter lingkungan tertentu. Setiap model diuji untuk pelatihan berdasarkan data yang diambil dari situs web Kaggle dan dievaluasi berdasarkan metrik kinerja seperti akurasi. Dataset yang digunakan berisi kategori seperti suhu, kelembaban, pH, dll. Hasil penelitian ini menunjukkan bahwa decision tree memberikan performa yang baik dalam memprediksi pertumbuhan selada, karena dibuktikan dengan nilai akurasi 42% sementara linear regression dan logistic regression kurang cocok untuk tugas ini. Pemodelan pertumbuhan tanaman menggunakan metode ini dapat membantu petani mengambil keputusan yang lebih baik tentang pengelolaan lingkungan pertumbuhan mereka.
Co-Authors