Analisis Klasifikasi Penyakit Tanaman Kedelai Menggunakkan Decision Tree
Keywords:
Penyakit Tanaman, Kedelai, Klasifikasi, Decision Tree, Machine LearningAbstract
Penyakit pada tanaman kedelai (Glycine max) dapat menyebabkan kerugian yang signifikan dalam produksi pertanian. Deteksi dini dan klasifikasi penyakit sangat penting untuk meningkatkan hasil panen. Penelitian ini bertujuan untuk menganalisis dan menerapkan algoritma Decision Tree dalam klasifikasi penyakit pada tanaman kedelai. Dengan menggunakan dataset yang relevan, kami mengeksplorasi efektivitas model Decision Tree dalam mengidentifikasi berbagai jenis penyakit yang menyerang kedelai. Hasil penelitian menunjukkan bahwa model Decision Tree mampu mencapai akurasi klasifikasi sebesar 92%, dengan presisi 90% dan recall 88%. Penelitian ini memberikan kontribusi penting dalam pengembangan teknologi pertanian berbasis data.
References
Hossain, M.A., & Rahman, M.M. (2020). "Application of Machine Learning in Agriculture". Journal of Agricultural Science, 12(3), 45-57.
Zhang, Y., & Wang, X. (2019). "Decision Tree Algorithms for Classification". International Journal of Computer Applications, 178(29), 1-5.
Kumar, A., & Singh, R.P. (2021). "Disease Detection in Soybean Using Machine Learning Techniques". Computers and Electronics in Agriculture, 180, 105900.
UCI Machine Learning Repository (2022). "Soybean Disease Dataset". Retrieved from [UCI Repository].
Zufria, I., Santoso, H., & Darsih, D. (2021). Sistem Pakar Menggunakan Metode Backward Chaining Untuk Mengantisipasi Permasalahan Tanaman Kacang Kedelai Berbasis Web. J-SAKTI (Jurnal Sains Komputer dan Informatika), 5(1), 20-28.
Karuniawan, P., Farida, I. N., & Suhertian, J. (2021). Implementasi Metode Certainty Factor Untuk Mengidentifikasi Penyakit Tanaman Kedelai Dan Padi. Nusantara of Engineering (NOE), 4(1), 1-1.
Septhya, D., Rahayu, K., Rabbani, S., Fitria, V., Rahmaddeni, R., Irawan, Y., & Hayami, R. (2023). Implementasi Algoritma Decision Tree dan Support Vector Machine untuk Klasifikasi Penyakit Kanker Paru: Implementation of Decision Tree Algorithm and Support Vector Machine for Lung Cancer Classification. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 3(1), 15-19.
Purnamawati, A., Nugroho, W., Putri, D., & Hidayat, W. F. (2020). Deteksi Penyakit Daun pada Tanaman Padi Menggunakan Algoritma Decision Tree, Random Forest, Naïve Bayes, SVMdan KNN. InfoTekJar J. Nas. Inform. dan Teknol. Jar, 5(1), 212-215.
Suharmi, S. A. (2020). SISTEM PAKAR DIAGNOSA HAMA DAN PENYAKIT PADA TANAMAN KEDELAI BERBASIS WEBSITE MENGGUNAKAN METODE CERTAIN FACTOR. Jurnal Informatika Polinema, 7(1), 61-72.
Destarianto, P., Yudaningtyas, E., & Pramono, S. H. (2013). Penerapan metode inferece tree dan forward chaining dalam sistem pakar diagnosis hama dan penyakit kedelai edamame berdasarkan gejala kerusakannya. Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems), 7(1), 21-27.
