Pertanian memegang peranan penting dalam ekonomi Indonesia karena menjadi sumber utama penghasilan bagi banyak warga negara. Petani menggunakan sumber daya hayati untuk menghasilkan bahan makanan, bahan baku industri, sumber energi, dan menjaga lingkungan hidup. Hasil pertanian yang beraneka ragam seperti padi, kacang-kacangan, dan jagung. Namun, petani sering menghadapi kesulitan dalam menentukan jenis tanaman yang cocok ditanam di lahan mereka, terutama ketika membuka lahan baru. Banyak petani tidak tahu atau tidak mempertimbangkan faktor-faktor penting seperti kesesuaian tanah dengan jenis tanaman tertentu, sehingga dapat mengakibatkan kegagalan panen atau hasil panen yang kurang memuaskan. Oleh karena itu, penelitian ini bertujuan untuk mengklasifikasikan tanaman yang paling cocok untuk ditanam pada lahan pertanian menggunakan metode random forest. Metode Random Forest dipilih karena mampu menangani data yang kompleks dan memiliki performa yang baik dalam klasifikasi. Dataset yang digunakan dalam penelitian ini mencakup informasi tentang kandungan nitrogen, fosfor, potasium dalam tanah, suhu, kelembapan, curah hujan, dan pH tanah. Tahapan penelitian mencakup eksplorasi data, pra- pemrosesan data, pelatihan model, evaluasi model, dan pengujian pada data uji. Metrik evaluasi yang digunakan adalah akurasi, presisi, recall, dan F1-score. Hyperparameter terbaik untuk klasifikasi tanaman pangan berdasarkan kondisi lahan pertanian menggunakan random forest ditentukan sebagai berikut: n_estimator 125, max depth= 32, dan min samples split 4. Hasil penelitian ini menunjukan bahwa tingkat akurasi terbaik didapatkan ketika klasifikasi dilakukan menggunakan hyperparameter dan dengan perbandingan data tes dan uji sebesar 80:20 dimana didapatkan tingkat akurasi sebesar 99,64%.


Deskripsi Lain

Agriculture plays a crucial role in the Indonesian economy the main source of income for many citizens. Farmers utilize biological resources to produce food, raw materials for industries, a source of energy, and contribute to environmental conservation. Various crops such rice, legumes, and corn are among the diverse agricultural outputs. However, farmers often encounter difficulties in determining the suitable crops to cultivate on their land, especially when opening new areas. Many farmers lack knowledge overlook important factors such soil compatibility with specific crops, leading to crop failure unsatisfactory yields. Therefore, this research aims to classify the most suitable crops for cultivation on agricultural land using the random forest method. The Random Forest method was chosen due to its ability to handle complex data and demonstrate good performance in classification. The dataset used in this study includes information on soil nitrogen, phosphorus, potassium content, temperature, humidity, rainfall, and soil pH. The research stages encompass data exploration, data preprocessing, model training, model evaluation, and testing on test data. Evaluation metrics used include accuracy, precision, recall, and F1-score. The best hyperparameters for classifying food crops based on agricultural land conditions using random forest were determined follows: n_estimators 125, max depth 32, and min_samples_split 4. The research results indicate that the highest accuracy level is achieved when classification is performed using these hyperparameters with an 80:20 ratio of test and validation data, resulting in an accuracy rate of 99.64%.