<![CDATA[Respirasi tanah merupakan salah satu indikator penting dalam suatu ekosistem tanah yang menunjukan aktivitas mikroorganisme dan metabolisme dalam tanah. Respirasi tanah diukur dengan metode tabung mikrorespirasi sebagai pengukuran lapangan dan titrasi asam basa sebagai analisis laboratorium. Metode tabung mikrorespirasi ini adalah cara cepat mengukur respirasi tanah, namun data yang dihasilkan hanya dapat dilihat secara visual dan tidak diketahui nilainya. Oleh karena itu, dilakukan pengolahan citra dari metode tabung mikrorespirasi ini untuk mengestimasi nilai respirasi tanah serta mengetahui model estimasi terbaik menggunakan machine learning. Citra diakuisisi kemudian diolah dengan pengolahan citra meliputi konversi Red, Green, Blue (RGB) ke Hue Saturation Value (HSV), augmentasi citra, serta ekstraksi fitur data citra. Pengembangan model estimasi respirasi tanah menggunakan tiga algoritma yaitu Multiple Linear Regression (MLR), Back Propagation (BP), dan Random Forest (RF). Hasil dari penelitian ini adalah diperoleh akurasi model dengan nilai R² dari ketiga model yaitu MLR = 0,28, BP = 0,53, RF = 0,77 dan nilai estimasi dari ketiga model MLR = 7,62 mg/g , BP = 4,38 mg/g , RF = 4,57 mg. Dari hasil tersebut, dinyatakan bahwa model dengan algoritma RF merupakan model terbaik untuk mengestimasi nilai respirasi tanah.]]>
Copyrights © 2025
