SISTEM CERDAS BERBASIS IOT DAN MACHINE LEARNING UNTUK REKOMENDASI TANAMAN DAN PEMUPUKAN BERBASIS KONDISI TANAH SECARA REAL-TIME

Praja, Putra Eka (2026) SISTEM CERDAS BERBASIS IOT DAN MACHINE LEARNING UNTUK REKOMENDASI TANAMAN DAN PEMUPUKAN BERBASIS KONDISI TANAH SECARA REAL-TIME. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (1MB)
	Text (ABSTRAK) ABSTRAK.pdf Download (324kB)
	Text (BAB I Pendahuluan) BAB 1.pdf - Published Version Restricted to Repository staff only Download (383kB) | Request a copy
	Text (BAB II Tinjauan Pustaka) BAB II.pdf - Published Version Restricted to Repository staff only Download (655kB) | Request a copy
	Text (BAB III Metodologi) BAB III.pdf - Published Version Restricted to Repository staff only Download (845kB) | Request a copy
	Text (BAB IV Hasil dan Pembahasan) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V Kesimpulan dan Saran) BAB V.pdf - Published Version Restricted to Repository staff only Download (314kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (253kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi tanaman berbasis kondisi tanah menggunakan teknologi Internet of Things (IoT) dan algoritma Decision Tree. Sistem memanfaatkan sensor tanah 8-in-1 untuk memperoleh data kondisi tanah secara real-time yang meliputi suhu tanah, kelembaban tanah, electrical conductivity (EC), pH, kandungan nitrogen (N), fosfor (P), kalium (K), dan tingkat kesuburan tanah (fertility). Data penelitian dikumpulkan dari beberapa lahan pertanian dan perkebunan di Kabupaten Banyuasin, Sumatera Selatan, yang terdiri atas lima jenis tanaman, yaitu kelapa sawit, kelapa, padi, jagung, dan pisang. Tahapan penelitian meliputi pengumpulan data, preprocessing, proses klasifikasi menggunakan algoritma Decision Tree, serta pengujian model menggunakan metode Nested Cross Validation. Untuk memperoleh model terbaik, dilakukan perbandingan dengan beberapa algoritma klasifikasi lainnya, yaitu Random Forest, Support Vector Machine (SVM), K-Nearest Neighbor (KNN), Gaussian Naive Bayes, XGBoost, dan Logistic Regression. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memberikan performa terbaik dengan nilai accuracy sebesar 95,6%, precision sebesar 95,2%, recall sebesar 95,7%, dan F1-score sebesar 95,8%. Hasil tersebut menunjukkan bahwa algoritma Decision Tree mampu mengidentifikasi hubungan antara karakteristik kondisi tanah dan jenis tanaman secara akurat serta menghasilkan aturan keputusan yang mudah dipahami. Dengan demikian, sistem yang dikembangkan mampu memberikan rekomendasi tanaman berdasarkan kondisi tanah secara efektif sehingga diharapkan dapat membantu petani dalam menentukan jenis tanaman yang sesuai dengan kondisi lahan untuk mendukung peningkatan produktivitas pertanian dan efisiensi pengelolaan lahan.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Internet of Things (IoT), Sensor Tanah 8-in-1, Decision Tree, Machine Learning, Rekomendasi Tanaman, Kondisi Tanah
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	25 Sep 2026 02:06
Last Modified:	25 Sep 2026 02:06
URI:	http://eprints.polsri.ac.id/id/eprint/27210

Actions (login required)

View Item