Prediksi Pertumbuhan Hari Selada Menggunakan Linear Regression, Logistic Regression, dan Decision Tree
Article Sidebar
Read Counter : 7
Download : 4
Main Article Content
Abstract
Abstrak
Tujuan dari penelitian ini adalah untuk mengembangkan model prediksi pertumbuhan hari selada berdasarkan faktor lingkungan tertentu dengan menggunakan tiga pendekatan berbeda: regresi linier, regresi logistik dan decision tree atau pohon keputusan. Data pertumbuhan selada dikumpulkan dari berbagai percobaan dalam berbagai kondisi lingkungan, termasuk suhu, kelembapan, dan banyak kondisi lainnya. Tujuan dari penelitian ini adalah untuk membantu petani mengoptimalkan lingkungan pertumbuhan selada dan meningkatkan hasil. Pada tahap pertama penelitian, penulis melakukan analisis data eksperimen untuk memahami karakteristik pertumbuhan selada dalam kondisi yang berbeda. Penulis kemudian membangun tiga model berbeda yaitu. regresi linier, regresi logistik dan pohon keputusan untuk memprediksi pertumbuhan selada berdasarkan parameter lingkungan tertentu. Setiap model diuji untuk pelatihan berdasarkan data yang diambil dari situs web Kaggle dan dievaluasi berdasarkan metrik kinerja seperti akurasi. Dataset yang digunakan berisi kategori seperti suhu, kelembaban, pH, dll. Hasil penelitian ini menunjukkan bahwa decision tree memberikan performa yang baik dalam memprediksi pertumbuhan selada, karena dibuktikan dengan nilai akurasi 42% sementara linear regression dan logistic regression kurang cocok untuk tugas ini. Pemodelan pertumbuhan tanaman menggunakan metode ini dapat membantu petani mengambil keputusan yang lebih baik tentang pengelolaan lingkungan pertumbuhan mereka.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under Creative Commons Attribution-ShareAlike 4.0 International License.
References
M. F. Alfisyah, Risiko Produksi Usahatani Selada ( Lactuca Sativa L. ), Malang: Universitas Islam Malang, 2022.
A. W. B. R. S. Erik Dwi Anggara, "Prediksi Kinerja," Prediksi Kinerja sebagai Rekomendasi Kenaikan Golongan dengan Decision Tree dan Regresi Logistik, vol. Vol 8. No 1, pp. 218-234, 2022.
R. Ernando, Laju Pertumbuhan Dan Produksi Tanaman Selada Keriting Grand Rapids (lactuca Sativa L.) Pada Dataran Rendah : Studi Tentang Adaptasi Tanaman Terhadap Perubahan Iklim, Lampung: Universitas Lampung, 2021, p. 34.
A. Basit, "Implementasi Algoritma Naive Bayes Untuk Memprediksi Hasil Panen Padi," Jurnal Teknik Informatika Kaputama, Vols. Vol 4, No 2, pp. 17-32, 2020.
F. D. S. A. Dimas Fadilah Permana R, "Prediksi Pertumbuhan Kangkung Hidroponik Dengan Smart Farming Menggunakan Metode Supervised Learning," eProocedings of Engineering, Vols. Vol 8, No.6, pp. 3788-3791, 2022.
A. S. A. D. G. D. K. Achsan Taufiq R M, "Identifikasi Pertumbuhan Bayam(Amaranthus sp.) Dengan Metoda Jaringan Saraf Tiruan Untuk Prediksi Hasil Panen Berdasarkan Pemberian Pupuk Organik Cair," Teknologi Industri Pertanian, Vols. Vol 3, No 2., pp. 40-44, 2019.
S. D. S. W. Budi Pohan, "Prediksi Pertumbuhan Bibit Tanaman Pada Greenhouse Menggunakan Neural Network Backpropagation," Sciences and Mathematics, pp. 1-48, 2020.
R. I. A. H. Ayu Azhari Basahona, "Penerapan Metode Liner Regresi Untuk Prediksi Produksi Sayur-sayuran," Jurnal Cosphi, vol. Vol.3 No 2, pp. 54-57, 2019.
T. W. P. I. Heru Wahyu Herwanto, "Penerapan Algoritme Linear Regression untuk Prediksi Hasil Panen Tanaman Padi," Jurnal Nasional Teknik Elektro dan Teknologi Informatika, Vols. Vol. 8, No. 4, pp. 364-370, 2019.
E. U. H. A. F. Willmen TB Panjaitan, "PREDIKSI PANEN PADI MENGGUNAKAN ALGORITMA K-NEAREST NEIGBOUR," Seminar Nasional Teknologi dan Informatika, pp. 621-628, 2018.
R. R. B. abdul Holik, "Prediksi Hasil Panen Padi Menggunakan Pesawat Tanpa Awak," Jurnal Ilmiah Rekayasa Pertanian dan Biosistem, Vols. Vol. 7, No. 2, pp. 249-257, 2019.
I. S. C. D. W. Try Azisah Nurman, "Prediksi Hasil Panen Kopi di Sulawesi Menggunakan Analisis Rantai Markov," Jurnal Matematika dan Stastistika Serta Aplikasinya, vol. Vol. 9. No 2., 2021.
M. S. M. F. Wahyu Ananda, "Prediksi Jumlah Hasil Panen Sawit Menggunakan Algoritma Naive Bayes," Terapan Informatika Nusantara, vol. Vol. 1. No. 10, pp. 513-519, 2021.
S. Laili Zaidiyah Nihayatin, "Perbandingan Uji Homogenitas Runtun Data Curah Hujan Sebagai Pra-Pemrosesan Kajian Perubahan Iklim," Jurnal Sains Dan Seni Pomits, Vols. 2, No.2, 2013.
P. a. R. K. D. Katemba, "Prediksi Tingkat Produksi Kopi Menggunakan Regresi Linear," Jurnal ilmiah FLASH 3.1, pp. 42-51, 2017.
I. Z. Muflihah, "Analisis Financial Distress Perusahaan Manufaktur Di Indonesia Dengan Regresi Logistik," Majalah Ekonomi, vol. 22(2), pp. 254-269, 2017.
A. W. Rani Puspita, "Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS," Jurnal Informatika Universitas Pamulang, Vols. 5, No. 4, pp. 646-654, 2020.
N. T. U. A. S. N. P. S. Eko Budiraharjo, "Pengembangan Sistem Aplikasi Pengolahan Data Skripsi Berbasis Web (Studi Kasus Fakultas Teknik Dan Ilmu Komputer UPS Tegal)," Journal of Informatics, Artificial Intelegence and Internet of Thing, vol. 1 No. 1, pp. 62-72, 202.
H. Nuha, "Mean Squared Error (MSE) dan Penggunaannya," Computer Science Education eJournal, pp. 1-2, 2023.
A. M. Andik Adi Suryanto, "Penerapan Metode Mean Absolute Error (MEA) Dalam Algoritma Regresi Linear Untuk Prediksi Produksi Padi," Jurnal Sains dan Teknologi, vol. 11 No. 1, pp. 78-83, 2019.