Optimasi Analisis Kesuburan Tanah dengan Pendekatan Soft Voting Ensemble

Fikri Budiman; Yoga Mahendra Awaludin

doi:10.24176/simet.v14i2.11285

Optimasi Analisis Kesuburan Tanah dengan Pendekatan Soft Voting Ensemble

Fikri Budiman - [ https://orcid.org/0000-0002-8552-6778 ]
Yoga Mahendra Awaludin

Abstract

Penelitian ini mengusulkan Optimasi Algoritma Decison Tree, K-Nearest Neighbor dan Support Vector Machine menggunakan Metode Soft Voting dalam konteks kesuburan tanah pertanian. Hal ini didasari karena untuk klasifikasi kesuburan tanah masih dilakukan secara manual dan hal itu memungkinkan adanya suatu kesalahan dalam proses klasifikasi. Studi ini sangat relevan karena kesuburan tanah merupakan aspek kunci dalam pertanian yang dapat mempengaruhi hasil panen dan kualitas produk. Metode penelitian ini melibatkan pengumpulan data unsur hara dari Dinas Pertanian Kabupaten Grobogan dan analisis sistematis dengan Algoritma Decision Tree, K-Nearest Neighbor dan SVM kemudian diterapkan Metode Optimasi Soft Voting untuk meningkatkan akurasi. Hasil penelitian menunjukan bahwa Metode Optimasi Soft Voting mampu mengatasi masalah kesuburan tanah dengan meningkatkan akurasi klasifikasi. Nilai akurasi dari Algoritma Decision Tree sebesar 88,7%, nilai akurasi K-Nearest Neighbor sebesar 86,7, nilai akurasi SVM sebesar 90,1%, dan akurasi penggabungan algoritma dengan Optimasi Soft Voting sebesar 90,4. Penelitian ini penting dalam bidang pertanian karena membantu petani dan ahli pertanian dalam mengambil keputusan mengenai klasifikasi kesuburan tanah. Dengan meningkatkan pemahaman penggunaan teknologi melalui optimalisasi algoritma, diharapkan produktivitas pertanian dan ketahanan pangan meningkat.

Keywords

Decision Tree;K-Nearest Neighbor; Soft Voting; pertanian; optimasi

Teks Lengkap:

PDF

Referensi

[1] Khairad, F. (2020). "Sektor Pertanian di Tengah Pandemi Covid-19 Ditinjau dari Aspek Agribisnis." Jounal Agriuma, 2(2), 82–9.

[2] Heru Sandi, G., & Fatma, Y. (2023). "Pemanfaatan Teknologi Internet of Things (IoT) Pada Bidang Pertanian." JATI (Jurnal Mhs Tek Inform), 7(1), 1–5.eru Sandi G, Fatma Y. Pemanfaatan Teknologi Internet of Things (Iot) Pada Bidang Pertanian. JATI (Jurnal Mhs Tek Inform. 2023;7(1):1–5.

[3] Chodijah, S. (2018). "Strategi Komunikasi Penyampaikan Informasi Iklim Stasiun Klimatologi Sampali Medan Dalam Upaya Meminimalkan Kegagalan Panen Padi Sawah Akibat Iklim Ekstrim." Persepsi Commun J, 1(1), 55–69.

[4] Trisnawati, A. (2022). "Analisis Status Kesuburan Tanah Pada Kebun Petani Desa Ladogahar Kecamatan Nita Kabupaten Sikka." J Locus Penelit dan Pengabdi, 1(2), 68–80.

[5] Siregar, M. A. R. (2023). "Peningkatan Produktivitas Tanaman Padi Melalui Penerapan Teknologi Pertanian Terkini," 1–11.

[6] Aini, D. N., Oktavianti, B., Husain, M. J., Sabillah, D. A., Rizaldi, S. T., & Mustakim, M. (2022). "Seleksi Fitur untuk Prediksi Hasil Produksi Agrikultur pada Algoritma K-Nearest Neighbor (KNN)." J Sist Komput dan Inform, 4(1), 140.

[7] Alkhairi, P., & Windarto, A. P. (2019). "Penerapan K-Means Cluster pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara." Semin Nas Teknol Komput Sains, 762–7.

[8] Rofiq, H., Pelangi, K. C., & Lasena, Y. (2020). "Penerapan Data Mining Untuk Menentukan Potensi Hujan Harian Dengan Menggunakan Algoritma Naive Bayes." J Manaj Inform dan Sist Inf, 3(1), 8–15.

[9] Adriano, B., Xia, J., Baier, G., Yokoya, N., & Koshimura, S. (2019). "Multi-source data fusion based on ensemble learning for rapid building damage mapping during the 2018 Sulawesi earthquake and Tsunami in Palu, Indonesia." Remote Sens, 11(7).

[10] Aridas, C. K., Karlos, S., Kanas, V. G., Fazakis, N., & Kotsiantis, S. B. (2020). "Uncertainty Based Under-Sampling for Learning Naive Bayes Classifiers under Imbalanced Data Sets." IEEE Access, 8, 2122–33.

[11] Byna, A., & Basit, M. (2020). "Penerapan Metode Adaboost Untuk Mengoptimasi Prediksi Penyakit Stroke Dengan Algoritma Naïve Bayes." J Sisfokom (Sistem Inf dan Komputer), 9(3), 407–11.

[12] Prasetio, R. T., & Ripandi, E. (2019). "Optimasi Klasifikasi Jenis Hutan Menggunakan Deep Learning Berbasis Optimize Selection." J Inform, 6(1), 100–6.

[13] Liklikwatil, R. D., Noersasongko, E., & Supriyanto, C. (2018). "Optimasi K-Nearest Neighbor Dengan Particle Swarm Optimization Untuk Memprediksi Harga Komoditi Karet." e-Jurnal JUSITI (Jurnal Sist Inf dan Teknol Informasi), 7–2(2), 172–82.

[14] Mahabub, A. (2020). "A robust technique of fake news detection using Ensemble Voting Classifier and comparison with other classifiers." SN Appl Sci, 2(4), 1–9.

[15] Rahayu, A. S., Fauzi, A., & Rahmat, R. (2022). "Komparasi Algoritma Naïve Bayes Dan Support Vector Machine (SVM) Pada Analisis Sentimen Spotify." J Sist Komput dan Inform, 4(2), 349.

[16] Yunitasari, Hopipah, H. S., & Mayasari, R. (2021). "Optimasi Backward Elimination untuk Klasifikasi Kepuasan Pelanggan Menggunakan Algoritme k-nearest neighbor (k-NN) and Naive Bayes." Technomedia J, 6(1), 99–110.

DOI: https://doi.org/10.24176/simet.v14i2.11285