Implementasi Metode Boosting Untuk Prediksi Jenis Tanaman Berdasarkan Kondisi Tanah
DOI:
https://doi.org/10.71200/inokom.v1i3.135Keywords:
Pertanian Presisi, Machine Learning, Gradient Boosting, LightGBM, Prediksi TanamanAbstract
Pertanian merupakan sektor strategis dalam mendukung ketahanan pangan dan pembangunan berkelanjutan, khususnya terkait SDG 2 (Zero Hunger) dan SDG 9 (Industry, Innovation, and Infrastructure). Tantangan global seperti degradasi tanah dan perubahan iklim menuntut adanya inovasi berbasis teknologi. Penelitian ini bertujuan mengembangkan sistem prediksi jenis tanaman berdasarkan parameter tanah (N, P, K, suhu, kelembaban, pH) dengan membandingkan algoritma Gradient Boosting Machine (GBM) dan Light Gradient Boosting Machine (LightGBM). Dataset diperoleh dari Kaggle dan diproses melalui normalisasi serta label encoding, kemudian dilakukan hyperparameter tuning dengan RandomizedSearch. Hasil menunjukkan GBM memiliki akurasi 96,14% dan LightGBM 96,82%. Temuan penelitian menunjukkan bahwa metode boosting efektif digunakan pada sistem rekomendasi tanaman berbasis kondisi tanah, sekaligus mendukung penerapan pertanian presisi yang berkelanjutan.
Downloads
References
[1] M. S. Allahyari dan A. Poursaeed, “Sustainable Agriculture: Implication for SDG2 (Zero Hunger),” vol. 2, no. May 2019, 2021, doi: 10.1007/978-3-319-69626-3.
[2] A. A. Farah, M. A. Mohamed, O. S. H. Musse, dan B. A. Nor, “The multifaceted impact of climate change on agricultural productivity: a systematic literature review of SCOPUS-indexed studies (2015–2024),” Discov. Sustain., vol. 6, no. 1, 2025, doi: 10.1007/s43621-025-01229-2.
[3] P. Smith dkk., “Status of the World ’ s Soils,” hal. 73–104.
[4] J. H. Jeppesen, R. H. Jacobsen, R. Nyholm Jørgensen, dan T. S. Toftegaard, “Towards Data-Driven Precision Agriculture using Open Data and Open Source Software,” Int. Conf. Agric. Eng. 2016, hal. 1–6, 2022, [Daring]. Tersedia pada: https://arxiv.org/abs/2204.05582%0Ahttps://arxiv.org/pdf/2204.05582
[5] D. Singh Mohan, V. Dhote, P. Mishra, P. Singh, dan A. Srivastav, “International Journal of INTELLIGENT SYSTEMS AND APPLICATIONS IN ENGINEERING IoT Framework for Precision Agriculture: Machine Learning Crop Prediction,” Orig. Res. Pap. Int. J. Intell. Syst. Appl. Eng. IJISAE, vol. 2023, no. 5s, hal. 300–313, 2023, [Daring]. Tersedia pada: www.ijisae.org
[6] V. Meshram, K. Patil, V. Meshram, D. Hanchate, dan S. D. Ramkteke, “Machine learning in agriculture domain: A state-of-art survey,” Artif. Intell. Life Sci., vol. 1, no. October, 2021, doi: 10.1016/j.ailsci.2021.100010.
[7] A. C. Muhammad dkk., “Dasar-dasar Pembelajaran Mesin,” hal. 131, 2023.
[8] I. Wardhana, Musi Ariawijaya, Vandri Ahmad Isnaini, dan Rahmi Putri Wirman, “Gradient Boosting Machine, Random Forest dan Light GBM untuk Klasifikasi Kacang Kering,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 6, no. 1, hal. 92–99, 2022, doi: 10.29207/resti.v6i1.3682.
[9] R. Dahlia dan C. I. Agustyaningrum, “Perbandingan Gradient Boosting dan Light Gradient Boosting Dalam Melakukan Klasifikasi Rumah Sewa,” J. Nas. Komputasi dan Teknol. Inf., vol. 5, no. 6, hal. 1016–1020, 2022, doi: 10.32672/jnkti.v5i6.5460.
[10] S. S. Dahlia Rizka, Fitriana Lady Agustin, “ANALISIS ALGORITMA GRADIENT BOOSTING DALAM PENGARUH,” vol. 8, hal. 36–44, 2025.
[11] V. Atlantic, E. Sulistianingsih, dan H. Perdana, “Gradient Boosting Machine Pada Klasifikasi Kelulusan Mahasiswa,” Bul. Ilm. Math. Stat. dan Ter., vol. 13, no. 2, hal. 165–174, 2024.
[12] L. M. Cendani dan A. Wibowo, “Perbandingan Metode Ensemble Learning pada Klasifikasi Penyakit Diabetes,” J. Masy. Inform., vol. 13, no. 1, hal. 33–44, 2022, doi: 10.14710/jmasif.13.1.42912.
[13] G. Singh, D. Bhattacharyya, dan A. Bandyopadhyay, “Robust estimation strategy for handling outliers,” Commun. Stat. - Theory Methods, vol. 53, hal. 5311–5330, 2023, doi: 10.1080/03610926.2023.2218567.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Jurnal Inovasi Komputer (INOKOM)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
