Analisis Kesehatan Tanaman Sawi (Brassica juncea L) Menggunakan Algoritma Random Forest
DOI:
https://doi.org/10.53513/jis.v24i2.12131Keywords:
Analisis, Kesehatan Tanaman, Monitoring, Random Forest, Sawi HijauAbstract
Penelitian ini membahas analisis kesehatan tanaman sawi (Brassica juncea L) menggunakan algoritma Random Forest. Data yang digunakan meliputi suhu, kelembapan tanah, dan intensitas cahaya, yang dikumpulkan secara periodik. Label status tanaman ditentukan berdasarkan ambang batas tertentu: “Sehat” jika kelembapan ≥ 60%, suhu antara 28–34°C, dan intensitas cahaya ≥ 700 lux; “Stres” jika kelembapan < 45% atau cahaya < 700 lux; serta “Perlu Disiram” untuk kondisi lainnya. Model Random Forest digunakan untuk mempelajari hubungan antara parameter lingkungan dan status tanaman. Hasil evaluasi menunjukkan tingkat akurasi yang tinggi, mengindikasikan bahwa algoritma ini efektif dalam mengklasifikasikan kondisi tanaman. Pendekatan ini dapat membantu petani dalam pengambilan keputusan berbasis data, sehingga meningkatkan efisiensi perawatan tanaman sawi.References
] N. Nurrohmah and W. Gunawan, “Implementasi Plugin Impor Kamera dan Plugin Play Blast Untuk Autodesk Maya Berbasis Python,” Format J. Ilm. Tek. Inform., vol. 10, no. 1, p. 50, 2021, doi: 10.22441/format.2021.v10.i1.005.
H. Permana, “Pelatihan Pengolahan dan Visualisasi Data dengan Bahasa Pemrograman Python untuk Siswa SMK Ciracas,” Mitra Teras J. Terap. Pengabdi. Masy., vol. 1, no. 2, pp. 59–66, 2022, doi: 10.58797/teras.0102.04.
S. H. Setiyani, Y. Rahma, F. N. Wijanarko, and K. Kunci, “Pengaruh Penggunaan Visualisasi Data Interaktif Berbasis Python terhadap Pemahaman Konsep Statistika pada Mahasiswa Informatika,” J. Jar. Sist. Inf. dan Teknol., vol. 01, no. 01, pp. 32–42, 2025.
J. Jeovano, “2D Data Visualization Tools Menggunakan Flask dan AngularJS,” J. Intell. Syst. Comput., vol. 2, no. 2, pp. 91–97, 2020, doi: 10.52985/insyst.v2i2.184.
A. Arrafi and B. H. Prasetio, “Sistem Monitoring Lingkungan Untuk Budidaya Tanaman Sawi (Brassica Juncea L.) Menggunakan Fuzzy Dan Android,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 8, pp. 1–7, 2024.
R. R. A. Setyaningsih and Hindriyanto Dwi Purnomo, “Analysis of the Effects of Fertilizer on the Quality of the Mustard Plant (Brassica Chenensis L) Using Regression Logistics Method,” J. Tek. Inform., vol. 3, no. 6, pp. 1565–1572, 2022, doi: 10.20884/1.jutif.2022.3.6.394.
I. Zulfansyah, S. Yulianita, F. Balatif, and F. A. B. Panjaitan, “Utilization of Casgot and Eco Enzyme Fertilizer as Nutrient Support to Increase the Growth of White Cooperate (Brassica Pekinensis L) of the Tahono Variety in Karo District,” Int. J. Nat. Sci. Stud. Dev., vol. 1, no. 1, pp. 19–25, 2024, doi: 10.55299/ijoss.v1i1.7.
Rommi Kaestria, Elok Faiqotul Himmah, and Rio Irawan, “Penerapan Matplotlib dalam Visualisasi Data untuk Analisis Hubungan Penggunaan Gadget dan Hasil Belajar,” J. Digit. Bus. Inf. Technol., vol. 1, no. 1, pp. 29–39, 2024, doi: 10.23971/jobit.v1i1.204.
Kalyani Jeslyn Lim et al., “Penggunaan Bahasa Pemrograman Python Untuk Memvisualisasikan Data Peluang Selamat Dari Kecelakaan Titanic,” J. Publ. Tek. Inform., vol. 2, no. 2, pp. 66–79, 2023, doi: 10.55606/jupti.v2i2.1735.
Y. Galahartlambang, T. Khotiah, and Jumain, “Visualisasi Data Dari Dataset COVID-19 Menggunakan Pemrograman Python,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 3, no. 01, pp. 58–60, 2021, [Online]. Available: https://jurnal.umus.ac.id/index.php/intech/article/view/417
E. W. Ambarsari and H. Herlinda, “Membangun Pythagoras Sebagai Visualisasi Random Forest Untuk Pemodelan Pohon Keputusan,” Fakt. Exacta, vol. 13, no. 3, pp. 132–139, 2020, doi: 10.30998/faktorexacta.v13i3.6513.
N. Maulidah, M. Maulidah, R. Supriyadi, H. Nalatissifa, S. Diantika, and A. Fauzi, “Prediksi Kualitas Air Menggunakan Metode Random Forest, Decision Tree, Dan Gradient Boosting,” J. Khatulistiwa Inform., vol. 12, no. 1, pp. 1–6, 2024, doi: 10.31294/jki.v12i1.16004.
R. Hesananda and D. Faizal Racma, “Implementasi Google Looker Studio Untuk Analisis Tren Dan Visualisasi Data (Studi Kasus: Produksi Padi Pulau Sumatera),” Innov. Technol., vol. 1, no. 2, pp. 62–74, 2024.
R. Dwi, P. Herlambang, M. Hikmatyar, and S. S. Sundari, “Warehouse Monitoring System Menggunakan Node MCU ESP32 Dan Implementasi Python Sebagai Visualisasi Data Sensor Secara Real-Time Warehouse Monitoring System Using NodeMCU ESP32 and Python Implementation for Real-Time Sensor Data Visualization 1,” J. Teknol., vol. 15, no. 1, pp. 703–715, 2025, [Online]. Available: https://doi.org/10.51132/teknologika.v15i1.440
R. Muhammad, E. Hermawan, and S. A. Hudjimartsu, “Identifying Mangrove Leaf Health Using Random Forest Classification Method,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 5, pp. 10660–10666, 2024.
M. Yasir, “Visualisasi Data Destinasi Wisata di DKI Jakarta Menggunakan Pyhton Google Collab,” J. Soc. Sci. Res. , vol. 3, no. 5, pp. 9006–9014, 2023, [Online]. Available: https://j-innovative.org/index.php/Innovative
R. Al Ghivary, M. Mawar, N. Wulandari, N. Srikandi, and A. N. M. F, “Peran Visualisasi Data Untuk Menunjang Analisa Data Kependudukan Di Indonesia,” Pentahelix, vol. 1, no. 1, p. 57, 2023, doi: 10.24853/penta.1.1.57-62.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution 4.0 International License.
Nama dan alamat email yang masuk ke situs jurnal ini akan digunakan secara eksklusif untuk tujuan jurnal ini dan tidak akan digunakan untuk tujuan dan pihak lain.
