<![CDATA[Produksi cabai rawit merah di Kabupaten Sumedang mengalami fluktuasi signifikan dalam beberapa tahun terakhir akibat perubahan iklim dan meningkatnya serangan penyakit tanaman. Curah hujan ekstrem, kelembapan tinggi, serta suhu yang tidak stabil menjadi faktor utama pemicu munculnya penyakit seperti antraknosa dan layu fusarium yang menyebabkan gagal panen. Penelitian ini bertujuan untuk memprediksi risiko gagal panen cabai rawit merah dengan memanfaatkan data cuaca, kondisi agronomi, serta tingkat serangan penyakit menggunakan algoritma Decision Tree. Data yang digunakan berasal dari data primer melalui wawancara dan observasi petani, serta data sekunder dari BMKG, BPS, Open Data Sumedang, dan Dinas Pertanian periode 2020–2025. Tahapan penelitian meliputi pengumpulan data, preprocessing, analisis deskriptif, pembangunan model Decision Tree C4.5, serta evaluasi menggunakan akurasi, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa serangan penyakit, kelembapan, dan suhu merupakan variabel paling berpengaruh dalam menentukan kategori hasil panen, dimana penyakit menjadi pemisah utama pada model pohon keputusan. Model mampu memprediksi kategori gagal panen dengan akurasi tinggi, meskipun performa pada kategori panen berhasil lebih rendah akibat variabilitas data agronomi. Penelitian ini menyimpulkan bahwa Decision Tree efektif digunakan sebagai alat prediksi risiko gagal panen dan berpotensi mendukung pengambilan keputusan waktu tanam dan strategi mitigasi bagi petani cabai rawit merah di Sumedang.]]>
Copyrights © 2025
