Pemodelan Sistem Prediksi Tanaman Pangan Menggunakan Algoritma Decision Tree

Authors

  • Fergie Joanda Kaunang Universitas Klabat
  • Reymon Rotikan Universitas Klabat
  • Gleadies Stella Tulung Universitas Klabat

DOI:

https://doi.org/10.31154/cogito.v4i1.115.213-218

Abstract

Pertanian sebagai salah satu sektor industri menjadi bagian pekerjaan yang menunjang pemenuhan kebutuhan makanan pokok masyarakat seperti tanaman pangan. Cuaca yang berubah-ubah dan tidak menentu dapat mempengaruhi hasil panen terlebih khusus dari segi jumlah hasil produksi. Hal ini membuat cuaca menjadi salah satu faktor penentu hasil produksi dari tanaman pangan. Memprediksi hasil panen tanaman pangan dengan baik dapat membantu para pemangku kepentingan baik petani ataupun mereka yang bekerja dalam industri pengolahan hasil tanaman pangan. Dewasa ini, Data Mining dan Machine Learning adalah dua topik berkaitan yang sering digunakan dalam berbagai bidang kehidupan termasuk bidang pertanian. Penelitian ini menggunakan teknik Data Mining dan Machine Learning untuk membuat suatu model sistem prediksi tanaman pangan di provinsi Sulawesi Utara berdasarkan iklim/cuaca. Menggunakan algoritma Decision Tree J48, penelitian ini memberikan hasil yang dapat dipertimbangkan dalam pengambilan keputusan bagi para pemangku kepentingan di bidang pertanian. Hasil yang diperoleh juga menunjukkan pengaruh parameter iklim/cuaca terhadap jumlah hasil produksi tanaman pangan di provinsi Sulawesi Utara. Penelitian ini tidak menggunakan parameter lain yang dapat mempengaruhi hasil produksi tanaman pangan seperti kondisi tanah ataupun harga jual di pasaran, mengingat dapat terjadinya perubahan terhadap harga yang tidak menentu. Penelitian ini diharapkan dapat memberikan kontribusi terhadap bidang pertanian terlebih khusus kepada para petani tanaman pangan dalam menopang pemenuhan kebutuhan pokok masyarakat. Keywords : Machine Learning, Data Mining, Algoritma Decision Tree J48, Sistem Prediksi, Tanaman Pangan

References

Tunjung, Artist, Analisis Efisiensi Pengelolaan Persediaan Bahan Baku Kedelai Pada Perusahaan Kecap PT. Lombok Gandaria Food Industry Palur Karanganyar. [Art]. Universitas Sebelas Maret, 2010.

J. Umboh, Artist, Pengaruh Perubahan Sosial Terhadap Lahan Tidur di Desa Tombasian Atas Kecamatan Kawangkoan Barat. [Art]. Universitas Sam Ratulangi Manado, 2014.

H. Warsani, Artist, Kajian Pemanfaatan Lahan Sawah di Kecamatan Kuantan Tengah Kabupaten Kuantan Singingi. [Art]. Universitas Pendidikan Indonesia, 2013.

"Harga Bahan Pokok Tahun 2015 dan Tahun 2016," Dinas Perindustrian dan Perdagangan Sulawesi Utara.

D. H. Sunaryono and Rismunandar, Pengantar Pengetahuan Dasar Hortikultura, Bandung: Sinar Baru Bandung.

"Seputar Pertanian," [Online]. Available: http://www.seputarpertanian.com/2016/03/macam-macam-tanaman-pangan.html. [Accessed 17 March 2017].

Suhardi, Dasar-dasar Bercocok Tanam, Yogyakarta: Kanisius.

V. Sellam and E. Poovammal, "Prediction of Crop Yield using Regression Analysis," Indian Journal of Science and Technology, vol. 9, no. 38, p. 5, 2016.

S. S.Dahikar and D. V.Rode, "Agricultural Crop Yield Prediction Using Artificial Neural Network Approach," INTERNATIONAL JOURNAL OF INNOVATIVE RESEARCH IN ELECTRICAL, ELECTRONICS, INSTRUMENTATION AND CONTROL ENGINEERING, vol. 2, no. 1, p. 4, 2014.

S. Veenadhari, "Machine Learning Approach for Forecasting Crop Yied based on Climatic Parameters," in International Conference on Computer Communication and Informatics, 2014.

"Data Online Pusat Database - BMKG," [Online]. Available: http://dataonline.bmkg.go.id/home. [Accessed June 2017].

R. K. M. S. J Dougherty, "Supervised and unsupervised discretization of continuos features," in Machine Learning Proceedings, 1995.

Downloads

Published

2018-06-28

How to Cite

Kaunang, F. J., Rotikan, R., & Tulung, G. S. (2018). Pemodelan Sistem Prediksi Tanaman Pangan Menggunakan Algoritma Decision Tree. CogITo Smart Journal, 4(1), 213–218. https://doi.org/10.31154/cogito.v4i1.115.213-218