Sistem Rekomendasi Tanaman Agrikultur Berdasarkan Kondisi Lingkungan Dengan Metode Artificial Neural Network

• Mochamad Nahrul Hayawan
• 2023

---

ABSTRAK

 

Mochamad Nahrul Hayawan (15190009), Sistem Rekomendasi Tanaman Agrikultur berdasarkan Kondisi Lingkungan dengan Metode Artificial Neural Network

Tanaman pangan menjadi kebutuhan utama untuk memastikan nutrisi tubuh manusia terpenuhi, seperti karbohidrat, protein, mineral, dan vitamin yang sangat penting bagi kelangsungan hidup dan kesehatan manusia. Oleh karena itu, hasil panen dari tanaman pangan memiliki dampak besar terhadap kehidupan masyarakat secara keseluruhan. Namun, petani di Indonesia dihadapi dengan permasalahan, seperti kesulitan dalam menentukan jenis tanaman yang akan ditanam karena adanya perubahan iklim yang tidak sesuai dengan kalender tanam dan kesulitan dalam mengolah tanah karena kandungan mineral di dalamnya dapat berubah dengan cepat akibat kondisi lingkungan yang berubah. Solusi dari permasalahan dalam menentukan tanaman yang cocok untuk kondisi lingkungan tertentu, dapat dilakukan dengan mengembangkan sebuah model Artificial Neural Network (ANN) yang mampu merekomendasikan tanaman yang optimal untuk ditanam berdasarkan kondisi lingkungan. Model terbaik yang diperoleh mencapai akurasi pelatihan sebesar 99,04%, akurasi validasi sebesar 97,27%, dan akurasi pengujian sebesar 99,09%. Penerapan model ke dalam aplikasi berbasis web akan memungkinkan petani dan pengguna lainnya untuk dengan mudah mengakses dan menggunakan model ANN untuk mendapatkan rekomendasi tanaman yang optimal berdasarkan kondisi lingkungan.

Kata Kunci: Sistem Rekomendasi, Tanaman Agrikultur, Artificial Neural Network, Machine Learning

 

ABSTRACT

 

Mochamad Nahrul Hayawan (15190009), Agricultural Plant Recommendation System based on Environmental Conditions using Artificial Neural Network Method

Food crops have become a primary necessity to ensure human body's nutritional needs are met, such as carbohydrates, proteins, minerals, and vital vitamins crucial for human survival and health. Therefore, the harvest outcomes of food crops have a significant impact on the overall well-being of society. However, farmers in Indonesia are confronted with challenges, such as difficulty in determining the suitable plant types to cultivate due to climate changes that deviate from planting calendars, and challenges in soil management as the mineral content within it can rapidly alter due to changing environmental conditions. The solution to the issue of selecting appropriate crops for specific environmental conditions can be achieved by developing an Artificial Neural Network (ANN) model capable of recommending optimal plants for cultivation based on environmental conditions. The best-performing model attained a training accuracy of 99.04%, validation accuracy of 97.27%, and testing accuracy of 99.09%. Implementing this model into a web-based application will enable farmers and other users to easily access and utilize the ANN model to receive optimal plant recommendations based on environmental conditions.

Keywords: Recommendation System, Agricultural Plants, Artificial Neural Network,Machine Learning

• Ilmu komputer

DAFTAR PUSTAKA

Alassadi, A., Ivanauskas, T., Klonowska, K., & Gador, N. (2019). Classification Performance Between Machine Learning and Traditional Programming in Java. Högskolan Kristianstad.
Ali, M. M., Yousef, A. F., Li, B., & Chen, F. (2021). Effect of Environmental Factors on Growth and Development of Fruits. Springer.
Ayun, Q., Kurniawan, S., & Saputro, W. A. (2020). Perkembangan Konversi Lahan Pertanian di Bagian Negara Agraris.
Doshi, Z., Nadkarni, S., Agrawal, R., & Shah, N. (2018). AgroConsultant: Intelligent Crop Recommendation System Using Machine Learning Algorithms. ICCUBEA.
Eli-Chukwu, N. C. (2019). Applications of Artificial Intelligence in Agriculture.
Engineering, Technoilogy & Applied Science Research.
Genesiska, Mulyono, & Yufantar, A. I. (2020). Pengaruh Jenis Tanah Terhadap Pertumbuhan dan Hasil Tanaman Jagung (Zea mays L.) Varietas Pulut Sulawesi. Plantropica: Journal of Agricultural Science.
Hermawan, D. L., Nur’Azizah, S., Sonia, W., & Utami, I. Q. (2022). SHANKARA: Aplikasi Smart Farming Menggunakan Machine Learning Berbasis Data Geopasial Sebagai Akselerasi Perekonomian Pertanian Menuju Pencapaian SDGs di Indonesia. Institut Teknologi Telkom Surabaya.
K, N., Vishwakarma, D., N, M., Ashwini, & R, M. M. (2020). Crop Prediction using Machine Learning Approaches. International Journal of Engineering Research & Technology.
Kaunang, F. J., Rotikan, R., & Tulung, G. S. (2018). Pemodelan Sistem Prediksi Tanaman Pangan Menggunakan Algoritma Decision Tree. Cogito Smart Journal.
Klompenburg, T. V., Kassahun, A., & Catal, C. (2020). Crop yield prediction using machine learning. Elsevier.
Kulkarni, N. H., Srinivasan, G. N., Sagar, B. M., & Cauvery, N. K. (2018). Improving Crop Productivity Through A Crop Recommendation System Using Ensembling Technique. IEEE.
Kusuma, P. D. (2020). Machine Learning: Teori, Program, dan Studi Kasus.
Deepublish.
Laili, E. F., & Diartho, H. C. (2018). Pengembangan Kawasan Pertanian Berbasis Tanaman Pangan di Kecamatan Wuluhan, Kabupaten Jember. Journal of Regional and Rural Development Planning.
Ningsih, S. M. (2019). Pengaruh Intensitas Cahaya Terhadap Pertumbuhan dan Perkembangan Tanaman Kacang Merah. AGROSWAGATI.

Purbaratri, W. (2019). Teknik yang Digunakan Untuk Menguji Perangkat Lunak. Insan Pembangunan Sistem Informasi dan Komputer.
Rabbani, I., & Krisnanik, E. (2020). E-Commerce Perlengkapan Haji dan Umroh Berbasis Web Menggunakan Metode Agile Software Development. SENAMIKA.
Retnoningsih, E., & Pramudita, R. (2020). Mengenal Machine Learning Dengan Teknik Supervised dan Unsupervised Learning Menggunakan Python. Bina Insani ICT Journal.
Roihan, A., Sunarya, P. A., & Rafika, A. S. (2019). Pemanfaatan Machine Learning dalam Berbagai Bidang. Indonesian Journal on Computer and Information Technology.
Rumawas, V. V., Nayoan, H., & Kumayas, N. (2021). Peran Pemerintah Dalam Mewujudkan Ketahanan Pangan di Kabupaten Minahasa Selatan. GOVERNANCE.
Subakti, H., Romli, I., Syamsiyah, N., Budiman, A. A., Herianto, Alfaris, L., Hasin,
M. K., Wijaya, A. H., Farida, Rismayani, Hapsari, R. K., Setiawan, A., & Khadafi,
S. (2022). Artificial Intelligence (D. Gustian, Ed.). Media Sains Indonesia.
Taley, D. S., & Pathak, B. (2020). Software Testing Techniques and Strategies.
International Journal of Engineering Research & Technology.