<![CDATA[Pemupukan merupakan faktor krusial dalam meningkatkan produktivitas tanaman kelapa sawit, khususnya pada lahan gambut yang memiliki karakteristik masam dan sensitif terhadap ketidaktepatan waktu aplikasi pupuk. Permasalahan yang umum terjadi di tingkat petani adalah penentuan jadwal pemupukan yang masih dilakukan secara konvensional dengan mengandalkan pengalaman dan ingatan, tanpa mempertimbangkan data kondisi tanaman, tanah, serta faktor lingkungan, sehingga berpotensi menurunkan efisiensi pemupukan dan meningkatkan pemborosan biaya operasional. Penelitian ini bertujuan mengembangkan aplikasi mobile penjadwalan pemupukan kelapa sawit berbasis metode Random Forest Regression untuk memprediksi waktu pemupukan secara akurat dan konsisten. Metode penelitian meliputi pengumpulan data lapangan dari petani, praproses data, pemodelan menggunakan Random Forest Regression, serta evaluasi kinerja model prediksi. Variabel yang digunakan mencakup umur tanaman, pH tanah, riwayat pemupukan, frekuensi pemupukan per tahun, dan curah hujan sebagai faktor lingkungan pendukung. Hasil penelitian menunjukkan bahwa model memiliki kinerja yang baik dengan nilai Mean Absolute Error sebesar 4,07 hari, Root Mean Squared Error sebesar 14,89 hari, dan R² Score sebesar 0,75. Model kemudian diintegrasikan ke dalam aplikasi mobile yang dilengkapi fitur notifikasi untuk mendukung pelaksanaan pemupukan secara tepat waktu, terjadwal, dan berbasis data. Aplikasi ini diharapkan mampu meningkatkan efisiensi pemupukan, mengurangi keterlambatan, serta mendukung produktivitas kelapa sawit secara berkelanjutan dan terukur]]>
Copyrights © 2026
