Klasifikasi Kondisi Tanah Berdasarkan Rekomendasi Tanaman Pertanian dan Perkebunan Melalui Penggunaan Jaringan Syaraf Tiruan Klasifikasi Multinomial

Abstract

Luas lahan pertanian untuk Indonesia mencapai 7,46 juta hektar. Coronavirus-19 mulai menjadi pandemi dan menyebabkan peningkatan mencapai 8 juta petani di Indonesia. Pertambahan jumlah petani tidak didampingi dengan literasi yang baik terkait pemilihan tanaman pertanian dan perkebunan yang paling sesuai untuk untuk kondisi tanah. Kondisi tanah dibagi menjadi dua, yaitu kondisi tanah secara kimiawi dan fisik. Kondisi tanah secara kimiawi meliputi kandungan Natrium, Fosfor, Hidrogen, Kalium, dan Kalsium. Sedangkan, secara fisik meliputi suhu harian, kelembapan, pH, dan curah hujan. Mengembangkan sebuah algoritma yang mengakomodasi atribut dalam jumlah besar membutuhkan waktu yang banyak untuk developer, serta dapat meningkatkan waktu eksekusi, serta biaya untuk perawatan dan pengembangan perangkat lunak. Machine Learning adalah sebuah paradigma yang berbeda. Machine learning dapat mengubah data masukan dan data keluaran untuk menghasilkan sebuah model sebagai keluaran. Melalui analisa pola data, dapat ditemukan sebuah model yang cocok untuk mengidentifikasi pola dari data masukan dan keluaran. Salah satu bidang machine learning adalah jaringan syaraf tiruan. Dalam penelitian ini, terdapat 9 skenario pengembangan model yang bervariasi pada rasio pembagian data dan jumlah layer yang digunakan. Berdasarkan seluruh percobaan yang dilakukan, skenario kedelapan adalah skenario terbaik dengan pembagian data 90% data latih, 5% data validasi, dan 5% data uji dengan 4 layer. Model ini mencapai 99.30% akurasi latih, 99.24% akurasi validasi, dan 98.93% akurasi uji. Model ini juga mendapatkan metrik 99.24% Precision, 99.49% Recall, 99.32% F1 Score.