Penerapan Machine Learning untuk Rekomendasi Tanaman Berdasarkan Kualitas untuk Mendukung Pertanian Cerdas

Syafin, Ach Khofifuddin Maulana (2025) Penerapan Machine Learning untuk Rekomendasi Tanaman Berdasarkan Kualitas untuk Mendukung Pertanian Cerdas. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 2040211083-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Pertanian cerdas menjadi solusi penting dalam menghadapi tantangan peningkatan produktivitas lahan secara efisien dan berkelanjutan. Penelitian ini bertujuan mengembangkan sistem monitoring kualitas tanah berbasis Internet of Things (IoT) yang terintegrasi dengan algoritma machine learning untuk memberikan rekomendasi tanaman berdasarkan data primer hasil pengukuran lapangan. Sensor tanah 7-in-1 digunakan untuk mengukur parameter Nitrogen (N), Phospor (P), Kalium (K), pH Tanah, Suhu (Temperatur), dan Kelembaban (Humidty) secara real-time. Data yang dikirimkan melalui ESP32 ke platform ThingSpeak dianalisis menggunakan dua algoritma klasifikasi, yaitu Random Forest dan Decision Tree. Model dilatih dengan data primer dari tiga jenis tanaman: padi, pisang, dan mangga. Hasil pengujian menunjukkan bahwa algoritma Random Forest memberikan akurasi klasifikasi tertinggi sebesar 98%, sedangkan Decision Tree mencapai 92%. Sistem ini diharapkan dapat membantu petani dalam mengambil keputusan berbasis data terhadap pemilihan jenis tanaman yang sesuai dengan kondisi tanah aktual, sehingga mendukung praktik pertanian cerdas yang lebih akurat dan efisien.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Internet of Things (IoT), Monitoring Kualitas Tanah, Random Forest, Decision Tree, Machine Learning.
Subjects:	S Agriculture > S Agriculture (General) S Agriculture > S Agriculture (General) > S593.2 Soil Structure
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Ach. Khofifuddin Maulana S
Date Deposited:	21 Aug 2025 08:37
Last Modified:	21 Aug 2025 08:37
URI:	http://repository.its.ac.id/id/eprint/128157

Actions (login required)

View Item