KLASIFIKASI KESESUAIAN LAHAN PADA TANAMAN KEDELAI DENGAN MENGGUNAKAN METODE CART (CLASSIFICATION AND REGRESSION TREE) DAN SELEKSI FITUR MENGGUNAKAN ALGORITME ABC (ARTIFICIAL BEE COLONY)

STEFANI, TASYA HALLATU and Rusdi, Efendi and Mochammad, Yusa (2023) KLASIFIKASI KESESUAIAN LAHAN PADA TANAMAN KEDELAI DENGAN MENGGUNAKAN METODE CART (CLASSIFICATION AND REGRESSION TREE) DAN SELEKSI FITUR MENGGUNAKAN ALGORITME ABC (ARTIFICIAL BEE COLONY). Undergraduated thesis, Fakultas Teknik.

Archive (Thesis Informatika) Skripsi_Stefani Tasya Hallatu_G1A018025 - Stefani Tasya Hallatu.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (6MB)

Abstract

Penurunan lahan kedelai menurun setiap tahunnya mengakibatkan produksi dan produktivitas kedelai yang ikut menurun sehingga produksi dan produktivitas kedelai sendiri belum mampu memenuhi kebutuhan masyarakat akan kedelai. Penyediaan lahan khusus kedelai merupakan salah satu solusi dalam meningkatkan produksi dan produktivitas kedelai. Evaluasi lahan perlu dilakukan dalam penyediaan lahan khusus kedelai agar penggunaan lahan sesuai dengan potensi lahan sebenarnya Sehingga diperlukannya sebuah sistem yang bertujuan untuk melakukan klasifikasi kesesuaian lahan yang dikhususkan pada tanaman kedelai sehingga dapat memberikan hasil klasifikasi yang mampu menjadi rekomendasi dalam penentuan penggunaan lahan. Pada sistem ini diterapkan metode klasifikasi dengan metode Classification And Regression Tree (CART) yang digunakan dalam proses klasifikasi dan juga seleksi fitur dengan algoritme Artificial Bee Colony (ABC), dimana seleksi fitur digunakan untuk pemilihan atribut terbaik yang digunakan pada proses klasifikasi. Pada sistem ini didapatkan atribut terbaik setelah melakukan 3 kali percobaan pada masing - masing iterasi yang berjumlah 5, 10, 25, 50, 75, dan 100 iterasi, yang dimana didapatkan atribut terbaik pada iterasi berjumlah 10 iterasi dari percobaan ke-2. Dimana berdasarkan hasil pengujian confusion matrix pada metode CART dihasilkan akurasi sebesar 94.22% dan pada kombinasi ABC+CART dihasilkan akurasi sebesar 97.11 % sehingga disimpulkan bahwa kombinasi antara algoritme artificial bee colony (ABC) dan metode classification and regression tree (CART) lebih baik dan akurat dibanding hanya menggunakan metode classification and regression tree (CART). Kata Kunci: Kedelai, Lahan, Klasifikasi, CART, Seleksi Fitur, ABC

Actions (login required)

View Item