IMPLEMENTASI MACHINE LEARNING DENGAN HYPERPARAMETER TUNING UNTUK REKOMENDASI JENIS TANAMAN BERBASIS IOT BERDASARKAN UNSUR HARA TANAH

Zulkarnain, Dedi (2026) IMPLEMENTASI MACHINE LEARNING DENGAN HYPERPARAMETER TUNING UNTUK REKOMENDASI JENIS TANAMAN BERBASIS IOT BERDASARKAN UNSUR HARA TANAH. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (Cover) Cover.pdf - Published Version Download (1MB)
	Text (Abstrak) Abstrak.pdf - Published Version Download (174kB)
	Text (BAB I Pendahuluan) Bab I.pdf - Published Version Restricted to Repository staff only Download (195kB) | Request a copy
	Text (BAB II Tinjauan Pustaka) Bab II.pdf - Published Version Restricted to Repository staff only Download (348kB) | Request a copy
	Text (BAB III Metodologi Penelitian) Bab III.pdf - Published Version Restricted to Repository staff only Download (597kB) | Request a copy
	Text (BAB IV Hasil dan Pembahasan) Bab IV.pdf - Published Version Restricted to Repository staff only Download (948kB) | Request a copy
	Text (BAB V Penutup) Bab V.pdf - Published Version Restricted to Repository staff only Download (147kB) | Request a copy
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Restricted to Repository staff only Download (157kB) | Request a copy
	Text (Lampiran) Lampiran.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Pemilihan jenis tanaman yang sesuai dengan karakteristik tanah merupakan faktor penting dalam meningkatkan produktivitas pertanian. Namun, proses penentuan tanaman yang tepat masih sering dilakukan secara manual sehingga kurang efisien dan berpotensi menghasilkan keputusan yang kurang akurat. Penelitian ini bertujuan mengimplementasikan sistem rekomendasi jenis tanaman berbasis Internet of Things (IoT) menggunakan algoritma Catboost yang dioptimasi melalui hyperparameter tuning dengan metode Bayesian optimization. Sistem menggunakan Soil Sensor 6 in 1 yang terhubung dengan ESP32 untuk memperoleh data karakteristik tanah berupa nitrogen (N), fosfor (P), kalium (K), pH, suhu, dan kelembaban tanah. Model dikembangkan menggunakan dataset Crop Recommendation yang terdiri dari 2.200 data dengan 22 kelas tanaman. Evaluasi model dilakukan menggunakan metrik Accuracy, Precision, Recall, F1-score, Confusion matrix, serta 5-fold Cross validation. Hasil penelitian menunjukkan bahwa algoritma Catboost dengan parameter default telah memberikan performa yang sangat baik, sedangkan penerapan Bayesian optimization berhasil memperoleh kombinasi hyperparameter optimal yang meningkatkan performa model hingga mencapai Accuracy, Precision, Recall, dan F1-score sebesar 100% pada data pengujian. Hasil 5-fold Cross validation juga menunjukkan rata-rata akurasi di atas 99% dengan deviasi yang rendah sehingga menunjukkan kemampuan generalisasi model yang baik. Implementasi sistem berhasil mengintegrasikan perangkat IoT, model Machine learning, dan Telegram Bot sehingga mampu memberikan rekomendasi jenis tanaman secara otomatis berdasarkan karakteristik tanah yang terukur.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Internet of Things, Machine learning, Catboost, Bayesian optimization, Rekomendasi Tanaman
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	21 Oct 2026 08:44
Last Modified:	21 Oct 2026 08:44
URI:	http://eprints.polsri.ac.id/id/eprint/27685

Actions (login required)

View Item