Analisis Klasifikasi Penyakit Tanaman Kedelai Menggunakkan Decision Tree

Aldiansyah
Muhammad Hafidlul Mujib
Sabrillah Sabastian
Bagus Gusti Janova

Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)
Vol 2 No 3 (2024): Buletin Ilmiah Ilmu Komputer dan Multimedia (BIIKMA)

Penyakit pada tanaman kedelai (Glycine max) dapat menyebabkan kerugian yang signifikan dalam produksi pertanian. Deteksi dini dan klasifikasi penyakit sangat penting untuk meningkatkan hasil panen. Penelitian ini bertujuan untuk menganalisis dan menerapkan algoritma Decision Tree dalam klasifikasi penyakit pada tanaman kedelai. Dengan menggunakan dataset yang relevan, kami mengeksplorasi efektivitas model Decision Tree dalam mengidentifikasi berbagai jenis penyakit yang menyerang kedelai. Hasil penelitian menunjukkan bahwa model Decision Tree mampu mencapai akurasi klasifikasi sebesar 92%, dengan presisi 90% dan recall 88%. Penelitian ini memberikan kontribusi penting dalam pengembangan teknologi pertanian berbasis data.